Download - MODEL RAMALAN PERMINTAAN PERUMAHAN ...2.12 Unjuran taburan penduduk megikut daerah di negeri Johor 36 2.13 Purata isi rumah 37 2.14 Dasar Perumahan Johor 1997-2012 38 2.15 Dasar Perumahan

Transcript

MODEL RAMALAN PERMINTAAN PERUMAHAN MENGIKUT KATEGORI

RUMAH DI NEGERI JOHOR

TAJUK

AHMAD RIZAL BIN ALIAS

Tesis ini dikemukakan sebagai

memenuhi syarat penganugerahan

Ijazah Doktor Falsafah Kejuruteraan Awam

Fakulti Kejuruteraan Awam dan Alam Sekitar

Universiti Tun Hussein Onn Malaysia

SEPT 2017

MODEL RAMALAN PERMINTAAN PERUMAHAN MENGIKUT KATEGORI

RUMAH DI NEGERI JOHOR

TAJUK

AHMAD RIZAL BIN ALIAS

Tesis ini dikemukakan sebagai

memenuhi syarat penganugerahan

Ijazah Doktor Falsafah Kejuruteraan Awam

Fakulti Kejuruteraan Awam dan Alam Sekitar

Universiti Tun Hussein Onn Malaysia

SEPT 2017

iii

DEDIKASI

Khas buat yang amat menyayangi dan tidak putus-putus mendoakan diri ini

….. Bonda tercinta Noriza Binti Ibrahim…..

.….Ayahanda tersayang Alias Bin Mohamed…..

Yang amat dikasihi dan tak jemu memberi dorongan

..…Isteri yang amat dikasihi Syafatulfaizah Binti Alikhan…..

Yang sentiasa menjadi penghibur dan pembakar semangat

Anak-anak abah,

…..Ahmad Afiq…..

…..Nur Imani…..

Juga tidak dilupakan

Yang diingati ayah dan bonda mertua

.….Zariah Binti Salleh dan Alikhan Bin Patan…..

iv

PENGHARGAAN

Setinggi kesyukuran dipanjatkan KeHadrat Ilahi kerana di atas limpah kurnia

kasihNya, tesis ini dapat disempurnakan. Sesungguhnya kurniaanNya ini terlalu besar

dan berharga bagi hambaNya yang kerdil ini. Sepanjang perjalanan menyiapkan

naskah ilmu ini, terlalu banyak rintangan dan cabaran yang terkadang melemahkan

dan tidak kurang juga mematahkan semangat dan hanya kepadaNya tempat mengadu

dan meminta.

Untuk penyelia yang tidak jemu memberi bantuan, bimbingan, tunjuk ajar dan

semangat Prof. Madya Dr Noor Yasmin Binti Zainun, jutaan terima kasih diucapkan

di atas segala-galanya. Semoga Allah membalas segala jasa yang telah dicurahkan.

Begitu juga diucapkan seluruh agensi yang telah membantu dalam memberikan

maklumat bagi kajian ini khususnya Jabatan Perumahan Negara, Suruhanjaya

Kerajaan Negeri Johor, terima kasih yang tidak terhingga diucapkan. Kepada Prof. Dr

Norghani Md Nor, Universiti Kebangsaan Malaysia, terima kasih di atas segala

bantuan dan kerjasama yang diberikan. Tidak ketinggalan Prof. Dr Azme Bin Khamis

dan Dr Maria Elena Binti Nor yang sentiasa menyokong dan membantu dalam setiap

masalah dan kebuntuan yang dihadapi. Juga kepada pihak Mybrain 15 dan Universiti

Tun Hussein Onn Malaysia, jutaan terima kasih juga diucapkan di atas peluang yang

diberikan untuk saya melanjutkan pengajian di peringkat ini.

Akhir sekali, buat insan-insan yang tidak pernah dilupakan, terima kasih untuk

isteri Syafatulfaizah Binti Alikhan yang tidak pernah jemu memberikan sokongan dan

bantuan dari segala segi kewangan, nasihat dan dorongan. Khas untuk permata hati

yang sangat dikasihi, terima kasih kerana bersabar dengan kesibukan hingga terkadang

mengabaikan kalian. Buat ayah dan bonda yang amat disayangi, terima kasih kerana

tak putus mendoakan kejayaan anakmu ini dan kepada anda semua yang saya catit dan

tidak catitkan namanya disini, semoga Allah memberkati kehidupan anda. Hanya Dia

sahaja yang mampu membalas budi yang telah anda hulurkan.

v

ABSTRAK

Perumahan merupakan salah satu sektor terpenting dalam memastikan kesejahteraan

dan pembangunan negara. Dianggarkan populasi penduduk di negeri Johor akan terus

meningkat sehingga 4 juta orang pada tahun 2020. Oleh kerana itu, perumahan yang

mencukupi perlu disediakan dengan sebaiknya bagi memastikan setiap segmen

masyarakat mampu memiliki rumah. Matlamat kajian adalah untuk membangunkan

model ramalan permintaan perumahan mengikut 4 kategori rumah di negeri Johor iaitu

rumah kos rendah, kos sederhana rendah, kos sederhana dan kos tinggi. Kajian ini

memberi tumpuan di negeri Johor kerana ia dikenalpasti antara negeri yang

mencatatkan bilangan kediaman siap tidak terjual paling banyak dalam negara

berbanding negeri-negeri lain. Kajian ini menggunakan Data Banci dan Penduduk

yang telah diubahsuai bagi menentukan kadar ketua keluarga menggunakan kaedah

Kadar Ketua Isi Rumah berdasarkan pembentukan isi rumah. Soal selidik telah

dilakukan ke atas 420 responden untuk mencari kadar pemilihan penduduk (C.P) dan

mengetahui kebarangkalian pemilihan kategori rumah menggunakan model Regresi

Multinomial Logistik. Kaedah Pelicinan Exponen Berganda pula digunakan untuk

meramal populasi 14 kumpulan umur sehingga tahun 2020 menggunakan data “Quick

Population Info” dari Jabatan Perangkaan Malaysia dan seterusnya digunakan untuk

menentukan jumlah permintaan perumahan di negeri Johor. Keputusan menunjukkan

bahawa perumahan kos tinggi menjadi pilihan penduduk di mana 35% daripada

responden memilih untuk membeli rumah kos tinggi berbanding kategori rumah yang

lain. Model ramalan disahkan menggunakan Peratusan Ralat Min Mutlak (MAPE) di

antara data sebenar dan data ramalan. Keputusan pengesahan menunjukkan nilai

MAPE adalah 23.2%. Oleh itu, model ramalan yang dihasilkan dapat digunakan bagi

meramal permintaan perumahan di negeri Johor. Hasil kajian ini diharapkan dapat

memberi manfaat kepada pihak-pihak berkenaan dalam mengimbangi penyediaan

kategori rumah supaya selaras dengan penawaran dan permintaan perumahan.

vi

ABSTRACT

Housing was one of the most important sectors in ensuring prosperity and national

development. Populations in Johor state are expected will continue increase up to 4

milion people in 2020. Thus, sufficient houses should be provided to ensure all level

of community could afford a house. The aim of this study was to develop forecasting

housing demand model based on 4 categories of houses which are low cost, low-

medium cost, medium cost and high cost. The study focused in state of Johor because

unsold property have increased rapidly as compared to other states. The study used

census data of population to determine headship rate using modified two-point

exponential in order to calculate household formation. Questionnaire were distributed

to 420 respondents to determine choice probabilities (C.P) and established the choice

probability of selecting housing category by using Multinomial Logistic Regression.

Double Exponential Smoothing method was used to predict population for 14 age

groups until the year 2020 based on Quick Population Info’s data from Department of

Statistics Malaysia to determine the total housing demand for 4 housing categories in

state of Johor. Result showed that high cost housing was chosen among the population

where 35% of respondents choose to buy high cost house compare to other category

of houses. Prediction model was validated using Mean Absolute Percentage Error

(MAPE) between an actual and predicted data. Results of validation indicated with

MAPE value of 23.2%. Thus, this model performed a good and effective method to

predict housing demand in state of Johor. The findings of this study is hoped could

give benefit to related parties in order to compensate provision of housing categories

that can match between supply and demand.

vii

KANDUNGAN

1.1 Pengenalan ................................................................... 1

1.2 Penyataan Masalah ...................................................... 2

1.3 Persoalan Kajian .......................................................... 4

1.4 Matlamat dan Objektif Kajian ..................................... 5

1.5 Kepentingan Kajian ..................................................... 6

1.6 Skop Kajian ................................................................. 7

1.7 Metodologi Kajian ....................................................... 7

1.8 Struktur Tesis .............................................................. 8

2.1 Pengenalan ................................................................... 9

2.2 Tarifan Keperluan dan Permintaan

Perumahan ................................................................... 9

2.3 Populasi, Pembentukan Isi Rumah dan

Kadar Ketua Isi Rumah ............................................. 11

TAJUK i

PENGAKUAN ii

DEDIKASI iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

KANDUNGAN vii

SENARAI JADUAL xi

SENARAI RAJAH xiii

SENARAI SIMBOL xv

SENARAI LAMPIRAN xviii

BAB 1 PENGENALAN 1

BAB 2 PERUMAHAN DI MALAYSIA 9

viii

2.4 Pembentukan Isi Rumah dan Permintaan

Perumahan ................................................................. 13

2.5 Faktor-Faktor Permintaan Perumahan ....................... 15

2.6 Perumahan di Bawah Rancangan Malaysia .............. 18

2.7 Program Pembangunan Perumahan ........................... 30

2.8 Latar Belakang Kawasan Kajian ............................... 34

2.8.1 Populasi Penduduk ....................................... 35

2.8.2 Penduduk Bandar dan Luar Bandar ............. 36

2.8.3 Purata Isi Rumah .......................................... 37

2.9 Dasar Perumahan Rakyat Johor................................. 37

2.10 Sistem Perumahan di Negeri Johor ........................... 40

2.11 Rumusan .................................................................... 42

3.1 Pengenalan ................................................................. 44

3.2 Model Permintaan Perumahan .................................. 44

3.2.1 Model Permintaan Perumahan

di Malaysia ................................................... 49

3.3 Limitasi Model Kajian di Malaysia ........................... 51

3.4 Model Regresi Multinomial Logistik ........................ 52

3.5 Rumusan .................................................................... 53

4.1 Pengenalan ................................................................. 54

4.2 Pemilihan Model dan Pembolehubah ........................ 57

4.3 Pemilihan Kawasan Kajian........................................ 57

4.4 Ramalan Permintaan Perumahan ............................... 58

4.4.1 Penentuan Kadar Ketua Isi Rumah .............. 59

4.4.2 Penentuan Populasi Penduduk ..................... 60

4.4.3 Kaedah Terbaik Bagi Model

Ramalan........................................................ 66

4.5 Pemilihan Kategori Rumah ....................................... 67

4.5.1 Pemilihan Sampel bagi data ......................... 67

4.5.2 Kaedah Pensempelan ................................... 68

4.5.3 Populasi Kajian ............................................ 68

BAB 3 MODEL RAMALAN PERMINTAAN

PERUMAHAN 44

BAB 4 METODOLOGI KAJIAN 54

ix

4.5.4 Sampel Kajian .............................................. 68

4.5.5 Kaedah Pengumpulan Data .......................... 70

4.5.6 Model Multinomial Logistik ........................ 73

4.6 Rumusan .................................................................... 74

5.1 Pengenalan ................................................................. 76

5.2 Permintaan Perumahan .............................................. 76

5.2.1 Kadar Ketua Isi Rumah ................................ 77

5.2.2 Populasi Penduduk ....................................... 82

5.2.3 Ramalan Populasi Penduduk ........................ 99

5.3 Ramalan Permintaan Perumahan ............................. 101

5.4 Pemilihan Kategori Rumah ..................................... 103

5.4.1 Analisis Kesahan dan

Kepercayaan ............................................... 104

5.4.2 Ujian Multicollinearity ............................... 106

5.4.3 Analisis Diskriptif ...................................... 106

5.4.4 Analisis Faktor-faktor Yang

Signifikan ................................................... 113

5.4.5 Analisis Kesesuaian dan Prestasi

Model ......................................................... 115

5.4.6 Analisis Kemungkinan Pemilihan

Kategori Rumah ......................................... 116

5.5 Ramalan Permintaan Perumahan Mengikut

Kategori Rumah ...................................................... 122

5.5.1 Penilaian Terhadap Model

Ramalan...................................................... 123

5.6 Rumusan .................................................................. 125

6.1 Pengenalan ............................................................... 127

6.2 Kesimpulan Mengikut Objektif Kajian ................... 127

6.3 Sumbangan Kajian .................................................. 132

6.4 Limitasi dan Cadangan Kajian ................................ 132

BAB 5 ANALISIS DATA 76

BAB 6 KESIMPULAN DAN CADANGAN 127

x

RUJUKAN 134

LAMPIRAN A 146

LAMPIRAN B 147

LAMPIRAN C 148

VITA 152

xi

SENARAI JADUAL

2.1 Kategori rumah mengikut harga dan pendapatan 19

2.2 Kategori rumah mengikut harga 20

2.3 Peratusan pembinaan sektor awam dan swasta,

(1996-2000) 20

2.4 Jumlah dan peratusan hartanah siap tidak terjual 21

2.5 Sasaran perumahan sektor awam dan swasta,

(2001-2005) 22

2.6 Keperluan perumahan mengikut negeri,

2001-2005 22

2.7 Sasaran perumahan sektor awam dan swasta,

(2005-2010) 23

2.8 Teras strategik pembangunan perumahan dan

perkhidmatan bandar 24

2.9 Bilangan unit rumah yang diluluskan pembinaan

kepada pemaju swasta mengikut kategori

harga rumah, 2011-2015 27

2.10 KDNK mengikut sektor (pada harga malar 2005) 31

2.11 Program perumahan mampu milik 32

2.12 Unjuran taburan penduduk megikut daerah

di negeri Johor 36

2.13 Purata isi rumah 37

2.14 Dasar Perumahan Johor 1997-2012 38

2.15 Dasar Perumahan Johor (Wilayah Iskandar) 38

2.16 Dasar Perumahan Johor (Luar Wilayah Iskandar) 39

2.17 Peratusan unit kediaman mengikut keluasan tanah 39

2.18 Kategori rumah mengikut SUK Johor 40

3.1 Perubahan kebarangkalian pemilikan perumahan 48

xii

3.2 Keupayaan ramalan model ARIMA dan ANN 49

4.1 Penentuan saiz sampel daripada jumlah populasi 69

4.2 Taburan sampel saiz mengikut daerah

di negeri Johor 70

5.1 Unjuran kadar ketua isi rumah sehingga tahun 2020 80

5.2 Perbandingan nilai berdasarkan model 84

5.3 Perbandingan model terhadap non-autokorelasi 86

5.4 Persamaan model ARIMA 87

5.5 Nilai optimum bagi α dan β untuk setiap model 88

5.6 Persamaan model PEB 88

5.7 Perbandingan nilai MAPE bagi model PEB

dan ARIMA 98

5.8 Ramalan populasi penduduk mengikut umur 100

5.9 Ramalan permintaan perumahan mengikut

kategori umur 102

5.10 Ciri-ciri demografi responden 104

5.11 Nilai korelasi dan nilai Cronbach Alpha 105

5.12 Ujian multicollinearity 106

5.13 Ujian Likelihood ratio 113

5.14 Pengujian Semula Likelihood ratio 114

5.15 Goodness-of-fit 115

5.16 Model fitting information 115

5.17 Classification table 116

5.18 Ringkasan pemprosesan kategori 116

5.19 Model Regresi Multinomial Logistik 117

5.20 Kadar pemilihan kategori rumah 121

5.21 Ramalan permintaan perumahan mengikut

kategori rumah 122

5.22 MAPE ramalan permintaan perumahan

di negeri Johor 124

5.23 MAPE ramalan permintaan perumahan

di negeri Selangor 124

5.24 MAPE ramalan permintaan perumahan

di negeri Pulau Pinang 125

xiii

SENARAI RAJAH

2.1 Keperluan perumahan mengikut negeri,

2006-2010 25

2.2 Perumahan siap tidak terjual dari tahun

2004-2010 26

2.3 Jumlah rumah siap dibina tidak terjual mengikut

harga dari tahun 2011-2015 28

2.4 Kanvas strategi RMKe-11 29

2.5 Peta Negeri Johor mengikut daerah 35

2.6 Syarat-syarat kelayakan pemohon 41

3.1 Perbezaan data sebenar, data penyesuaian

(fitted) dan residual 46

3.2 Rangkaian asas struktur model ANN 50

4.1 Carta alir metodologi kajian 55

4.2 Carta alir pembangunan model kajian 56

4.3 Carta alir penghasilan model ramalan populasi

penduduk 61

4.4 Carta alir penghasilan model ARIMA 63

4.5 Carta alir penghasilan model PEB 65

5.1 Kadar ketua keluarga mengikut tahun bancian

2010 77

5.2 Populasi penduduk di Negeri Johor 83

5.3 Pn dan Rn bagi model 1 (15-19) 89

5.4 Pn dan Rn bagi model 2 (20-24) 89

5.5 Pn dan Rn bagi model 3 (25-29) 90

5.6 Pn dan Rn bagi model 4 (30-34) 91

5.7 Pn dan Rn bagi model 5 (35-39) 91

5.8 Pn dan Rn bagi model 6 (40-44) 92

xiv

5.9 Pn dan Rn bagi model 7 (45-49) 93

5.10 Pn dan Rn bagi model 8 (50-54) 93

5.11 Pn dan Rn bagi model 9 (55-59) 94

5.12 Pn dan Rn bagi model 10 (60-64) 95

5.13 Pn dan Rn bagi model 11 (65-69) 95

5.14 Pn dan Rn bagi model 12 (70-74) 96

5.15 Pn dan Rn bagi model 13 (75-79) 97

5.16 Pn dan Rn bagi model 14 (80+) 97

5.17 Peratusan penduduk di negeri Johor mengikut

kumpulan umur 101

5.18 Bilangan keluarga 107

5.19 Bilangan ahli dalam satu rumah 108

5.20 Umur ketua keluarga 108

5.21 Pendapatan isi rumah 109

5.22 Status migrasi 110

5.23 Tahap pendidikan 111

5.24 Kumpulan etnik 111

5.25 Status perkahwinan 112

5.26 Status pemilikan rumah 113

xv

SENARAI SIMBOL

% - Peratus

Ht - Pembentukan isi rumah

ha - Usia isi ketua isi rumah mengikut kumpulan umur

Nat - Populasi penduduk mengikut kumpulan umur

yi - Kadar ketua isi rumah tahun i

k - relatif bagi kadar ketua isi rumah mengikut tahun asas

a - Kadar ketua isi rumah tahun asas – k

b - (kadar ketua is rumah tahun i– k)/

(kadar ketua isi rumah tahun asas – k)

xi - (i –tahun asas)/(tahun semasa-tahun asas)

UTHM Universiti Tun Hussein Onn Malaysia

RMK - Rancangan Malaysia Ke-

DPN - Dasar Perumahan Negara

RM - Ringgit Malaysia

PPR - Program Perumahan Rakyat

RMR1M - Rumah Mesra Rakyat 1 Malaysia

PPAIM - Perumahan Penjawat Awam 1 Malaysia

RUMAWIP - Rumah Wilayah Persekutuan

PBR - Program Bantuan Rumah

DBKL - Dewan Bandaraya Kuala Lumpur

REHDA - Persatuan Pemaju Perumahan dan Hartanah Malaysia

SUK - Suruhanjaya Kerajaan

RMMJ - Rumah Mampu Milik Johor

IRDA - Pihak Berkuasa Pembangunan Wilayah

KPKT - Kementerian Perumahan dan Kerajaan Tempatan

NA - Tiada dalam rekod

kps - Kaki per segi

xvi

' - Ukuran dalam unit kaki

PKJ A - Perumahan Komuniti Johor jenis A

PKJ B - Perumahan Komuniti Johor jenis B

Q - Permintaan perumahan mengikut Megbolugbe et.al

q - Penggunaan perumahan

Y - Pendapatan isi rumah

Ph - Harga relatif perumahan

Po - Vektor harga barangan dan perkhidmatan lain

T - Vektor faktor cita rasa

HD - Permintaan perumahan mengikut Vajiranivesa

β0 - Konstant

β1 - Pekali bagi faktor populasi

β2 - Pekali faktor sosial

β3 - Pekali faktor ekonomi

ε - Nilai kesalahan

ARIMA - Purata Bergerak Bersepadu Autoregresif

ANN - Rangkaian Neural Tiruan

MAPE - Peratusan Ralat Min Mutlak

PE - Peratus reja dari nilai sebenar

n - Bilangan ramalan

PCA - Analisis Komponen Utaman

MAD - Sisihan Min Mutlak

BPNN - Back propagation neural network

MNL - Regresi Multinomial Logistik

LB - Logistik Bionomial

HSt - Kadar ketua isi rumah

Ht - Bilangan ketua isi rumah mengikut kumpulan umur

Pt - Bilangan populasi mengikut kumpulan umur

ACF - Fungsi Autokorelasi

PACF - Fungsi Autokorelasi Partial

SPSS - Statistical Package for the Social Science

p - Peringkat model autoregresif

d - Peringkat pembezaan

q - Peringkat moving average

xvii

PET - Pelicinan Exponen Tunggal

PEB - Pelicinan Exponen Berganda

PEK - Pelicinan Exponen Ketiga

α - Konstant

Ft+m - Ramalan kedepan bagi masa t+m

m - Bilangan masa ke depan yang akan diramal

Lt - Nilai dasar

Tt - Arah aliran

α - Parameter pemulusan bagi nilai dasar

β - Parameter pemulusan bagi arah aliran

Pn - Analisis data penyesuian

Rn - Ujian ramalan yang terhasil

At - Nilai sebenar data bagi masa t

Ft - Ramalan dalam data bagi masa t

Lt - Aggaran nilai dasar akhir bagi masa t

Tt-1 - Anggaran arah aliran akhir bagi masa t

c.α - pekali Cronbach Alpha

K - Bilangan indikator

r - Hubungan antara faktor interaksi

gi - Persamaan logistik

Pi/Pj - Relatif pemilihan

�ip - Pekali bagi logistik ke-i dan pembolehubah ke-p

Pi - Model kebarangkalian pemilihan

C.P - Kebarangkalian pemilihan kategori rumah

Exp - Exponen

∑ - Jumlah

(000) - Ribu

df - Degree of freedom

Sig. - Signifikan

Pk.r - Pemilihan rumah kos rendah

Pk.s.r - Pemilihan rumah kos sederhana rendah

Pk.s - Pemilihan rumah kos sederhana dan

Pk.t - Pemilihan rumah kos tinggi

* - Darab

xviii

SENARAI LAMPIRAN

A Model Box-Jenkins secara teori bagi data

tidak bermusim 146

B Daerah dan kawasan kajian 147

C Borang soal selidik 148

BAB 1

PENGENALAN

1.1 Pengenalan

Sektor perumahan merupakan salah satu komponen penting kepada pembangunan dan

pertumbuhan ekonomi negara (Arku, 2016 & Kun, 2007). Kepentingan sektor tersebut

dapat dilihat menerusi Keluaran Dalam Negara Kasar (KDNK) bagi sektor pembinaan

di mana pada suku tahun pertama 2014, sebanyak 9.3% peningkatan KDNK telah

dicatatkan berbanding 10.0% pada suku tahun akhir 2013 (Kementerian Kewangan

Malaysia, 2015). Peningkatan ini banyak disumbangkan oleh subsektor perumahan

yang giat dilakukan bertepatan dengan matlamat utama Dasar Perumahan Negara

(DRN) iaitu untuk memastikan setiap penduduk di Malaysia terutamanya golongan

yang berpendapatan rendah mempunyai peluang untuk memiliki rumah. Sehubungan

itu, pelbagai usaha telah dilaksanakan oleh pihak kerajaan antaranya penetapan kuota

kepada pemaju bagi membina rumah kos rendah, kos sederhana rendah, kos sederhana

dan kos tinggi bagi memenuhi permintaan dan keperluan penduduk pelbagai segmen

di Malaysia (Jabatan Perumahan Negara, 2011).

Namun begitu, isu lebihan perumahan dan harta tanah siap dibina tidak terjual

masih lagi berlaku walaupun anggaran keperluan perumahan telah dibuat menerusi

Rancangan Malaysia terdahulu terutamanya di negeri-negeri maju seperti Johor,

Selangor dan Pulau Pinang (Jabatan Penilaian dan Perkhidmatan Harta, 1999-2008).

Menurut laporan Rancangan Malaysia ke-10, masalah perumahan yang berlaku ini

bukanlah di sebabkan oleh ketidakcukupan rumah tetapi penawaran dan permintaan

terhadap rumah tidak sepadan (Government of Malaysia, 2010). Perkara ini

menunjukkan wujudnya kelemahan dalam sistem pengagihan perumahan sedia ada

2

yang menyebabkan masalah tersebut berlanjutan sehingga kini. Oleh kerana itu,

beberapa kajian telah dilakukan bagi mengatasi masalah ini melibatkan penghasilan

model ramalan perumahan.

Kajian terhadap model ramalan permintaan perumahan di Malaysia secara

khususnya telah mula dilakukan pada tahun 2002 oleh Yahya dan Majid untuk

menentukan bilangan rumah kos rendah di Petaling, Selangor. Semenjak itu,

perkembangan terhadap kaedah ramalan permintaan perumahan terus mendapat

perhatian penyelidik antaranya Bakhary et al. (2007); Yassin, Ramlan & Al-Aminr

(2011); Zainun (2011) dan Mohd et al. (2012). Namun begitu, kaedah ramalan yang

digunakan hanya memberi tumpuan kepada satu kategori rumah iaitu rumah kos

rendah. Sedangkan masalah utama perumahan yang berlaku dalam negara ialah agihan

rumah tidak sepadan melibatkan empat kategori rumah iaitu kos rendah, kos sederhana

rendah, kos sederhana dan kos tinggi (Kementerian Perumahan dan Kerajaan

Tempatan, 2001).

1.2 Penyataan Masalah

Jumlah penduduk Malaysia berdasarkan banci pada tahun 2010 adalah dianggarkan

seramai 28.3 juta orang menjadikan negara berada di tangga ke-42 mempunyai

penduduk paling padat di dunia (World Population, 2016). Dari perspektif ekonomi,

pertumbuhan penduduk secara amnya merupakan berita baik kepada negara.

Peningkatan penduduk akan meningkatkan kapasiti produktif ekonomi melalui

peningkatan hasil cukai yang diperolehi. Walau bagaimanapun, pertambahan

penduduk juga memberi impak negatif kepada masalah yang sedia ada seperti

infrastruktur dan rangkaian pengangkutan. Selain itu, ia juga akan memberi tekanan

kepada sektor perumahan dalam mengimbangi penawaran dan permintaan penduduk.

Pada tahun 2010, sebanyak 7,345,900 unit perumahan dicatatkan di seluruh

negeri dengan purata kadar pertumbuhan sebanyak 3.2% berbanding tahun 2000

(Kementerian Perumahan dan Kerajaan Tempatan, 2015a). Menurut kajian yang

dibuat oleh Sirat et al. (1999); Karantonis (2007); dan Zeng et al. (2013) peningkatan

populasi penduduk meningkatkan potensi terhadap permintaan perumahan di kalangan

penduduk. Selain itu, Carliner (2003) menegaskan bahawa perkara yang perlu

dipertimbangkan sebelum ramalan permintaan perumahan dilakukan adalah membuat

3

penilaian terhadap pertumbuhan populasi penduduk di sesuatu kawasan. Oleh kerana

itu, ramai pengkaji menggunakan populasi untuk meramal bilangan rumah bagi jangka

masa yang panjang antaranya Clara (2006); Belsky (2007) dan Zainun (2011).

Namun begitu persoalan yang mungkin timbul adalah kenapa masih lagi

berlaku isu harta tanah siap dibina tidak terjual yang ketara dalam negara sedangkan

peningkatan populasi bertambah setiap tahun. Sebagai contoh pada tahun 2004,

direkodkan sebanyak 100,000 unit rumah siap dibina tidak terjual dicatatkan di

Selangor (New Straits Times, 2004). Manakala dari tahun 2005 sehingga 2008,

sebanyak 111,809 unit rumah bernilai kira-kira RM19.905 bilion tidak terjual

dicatatkan di seluruh negara (Kosmo, 2009). Jumlah ini dikatakan tinggi berbanding

dengan fasa kelima tahun pertama selepas kegawatan ekonomi pada tahun 1997.

Sehubungan itu, isu perumahan tidak terjual ini telah menjadi fokus utama dalam

Rancangan Malaysia ke-9 apabila ia dikesan berlaku di negeri-negeri maju serta

dibandar-bandar besar di Malaysia seperti Johor, Selangor dan Pulau Pinang (Jabatan

Penilaian dan Perkhidmatan Harta, 1999-2008).

Menurut Pozdena (1988), penilaian terhadap pertambahan populasi penduduk

sahaja tidak cukup untuk menentukan kadar permintaan perumahan di kalangan

penduduk. Beliau menegaskan bahawa permintaan perumahan ada hubungkaitnya

dengan individu penduduk. Oleh itu, untuk memahami kadar permintaan perumahan,

maka penelitian terhadap proses pembentukan isi rumah, bilangan isi rumah dan

komposisi isi rumah adalah perlu untuk diketahui sebelum keperluan perumahan

ditentukan (Vajiranivesa, 2008). Carliner (2003) juga mendapati bahawa permintaan

perumahan mempunyai perkaitan yang kuat dengan peningkatan dalam kadar

pembentukan isi rumah bersih. Selain itu beliau menyifatkan bahawa bilangan

pembentukan isi rumah adalah sama dengan bilangan unit perumahan yang diperlukan

(permintaan perumahan).

Sehingga kini, pelbagai kaedah telah digunakan untuk menentukan permintaan

perumahan di Malaysia antaranya kaedah Purata Bergerak Bersepadu Autoregresif

(ARIMA) dan Rangkaian Neural Tiruan (ANN). Namun begitu kaedah tersebut

memerlukan data yang lengkap untuk dijadikan sebagai input. Merujuk kepada

Suruhan Jaya Negeri Johor (SUK Johor), sehingga kini, data keseluruhan permintaan

perumahan masih belum dapat dikenalpasti dengan tepat kecuali bagi rumah kos

rendah di mana, permintaan rumah ditentukan melalui bilangan permohonan layak

yang diterima oleh pihak berkuasa tempatan. Ketidaksediaan data menjadikan model-

4

model ramalan permintaan perumahan terdahulu mengalami kesulitan dalam

menentukan permintaan perumahan kos sederhana rendah, kos sederhana dan kos

tinggi. Sedangkan masalah utama perumahan negara adalah penawaran dan

permintaan terhadap rumah tidak sepadan mengikut kategori rumah. Sehubungan itu,

kajian ini telah menggunakan kaedah Multinomial Logistik bagi menentukan kadar

pemilihan permintaan perumahan mengikut kategori rumah berdasarkan kepada

jumlah permintaan perumahan yang ditentukan melalui kaedah kadar ketua isi rumah.

1.3 Persoalan Kajian

Menurut Wang et al. (2013) & Vajiranivesa (2008), satu model yang dihasilkan tidak

mampu untuk digunakan dalam pelbagai bidang dan situasi yang berbeza. Sehubungan

itu, dalam meramal pemintaan perumahan, tidak terdapat satu kaedah spesifik yang

dapat digunakan bagi menentukan permintaan perumahan dengan tepat untuk semua

situasi (Vajiranivesa, 2008). Oleh kerana itu, pendekatan rasional yang mungkin boleh

dicadangkan untuk kajian ini ialah setiap isi rumah memerlukan rumah sebagai tempat

kediaman untuk meneruskan kehidupan. Pendekatan tersebut seringkali dikaitkan

dengan populasi, kadar ketua isi rumah dan pembentukan isi rumah. Maka persoalan

pertama bagi kajian ini ialah:-

1) Bagaimanakah populasi, kadar ketua isi rumah dan pembentukan isi rumah

menyumbang kepada permintaan perumahan?

Berdasarkan maklumat yang diperolehi melalui kajian lepas dan laporan

KPKT, diketahui bahawa isu ketidakcukupan perumahan bukanlah isu utama

berbanding isu ketidaksepadanan perumahan dalam memenuhi setiap segmen

masyarakat di Malaysia. Oleh kerana itu, persoalan kajian seterusnya dibangkitkan

ialah:-

2) Berapakah jumlah perumahan yang diperlukan bagi memenuhi permintaan

selari dengan peningkatan populasi penduduk setiap tahun?

3) Berapakah pecahan mengikut kategori rumah yang diperlukan bagi memenuhi

setiap segmen masyarakat penduduk?

5

Dalam menentukan permintaan perumahan mengikut kategori rumah, perkara

yang perlu diberi perhatian adalah faktor-faktor yang menjadi penyumbang kepada

pemilihan rumah tersebut. Maka persoalan kajian seterusnya adalah:-

4) Apakah faktor-faktor signifikan yang menjadi penentu kepada permintaan

perumahan?

Bagi memastikan satu model yang dihasilkan dapat digunakan mengikut

keadaan sebenar, maka pengujian dan penilaian terhadap model mesti dilakukan.

Sehubungan itu, persoalan berkaitan model diajukan iaitu:-

5) Apakah kaedah yang dapat digunakan untuk mengenalpasti samada model

yang dihasilkan boleh digunakan untuk membuat ramalan dengan baik?

1.4 Matlamat dan Objektif Kajian

Matlamat utama kajian ini adalah untuk membangunkan model ramalan permintaan

perumahan yang mampu untuk meramal bagi empat kategori rumah iaitu kos rendah,

kos sederhana rendah, kos sederhana dan kos tinggi. Untuk mencapai matlamat

tersebut, beberapa objektif telah digariskan seperti berikut:-

1) Mengenalpasti perkaitan antara populasi, pembentukan isi rumah dan kadar

ketua keluarga terhadap permintaan perumahan.

2) Menentukan jumlah permintaan rumah baru bagi mengimbangi peningkatan

populasi penduduk setiap tahun di negeri Johor.

3) Mengenalpasti faktor-faktor signifikan yang mempengaruhi permintaan

perumahan mengikut kategori rumah.

4) Membangunkan model bagi ramalan permintaan perumahan mengikut kategori

rumah.

5) Menilai tahap keupayaan model bagi ramalan permintaan perumahan mengikut

kategori rumah menggunakan Peratusan Ralat Min Mutlak (MAPE).

6

Model permintaan perumahan mengikut kategori rumah ini dibangunkan

melalui pengujian statistik terhadap rekabentuk pembolehubah-pembolehubah yang

diperolehi melalui kajian literatur.

1.5 Kepentingan Kajian

Kajian model ramalan permintaan perumahan di Malaysia kebanyakannya hanya

memfokuskan kepada rumah kos rendah (Bakhary et al., 2007; (Yassin et al., 2011);

Zainun, 2011; dan Mohd et al., 2012). Oleh kerana itu, kajian ini mengetengahkan

model ramalan permintaan perumahan mengikut kategori rumah iaitu kos rendah, kos

sederhana rendah, kos sederhana dan kos tinggi. Dengan adanya kajian ini, ia dapat

membantu pihak pemaju, Jabatan Perancang Bandar dan Desa (JPBD) di samping

pihak kerajaan untuk memastikan rumah yang dibina memenuhi permintaan

perumahan mengikut keperluan penduduk. Secara tidak langsung, kajian ini dapat

memenuhi hasrat Dasar Perumahan Negara iaitu untuk menyediakan rumah yang

mencukupi, selesa, berkualiti, dan mampu dimiliki bagi meningkatkan kesejahteraan

hidup rakyat Malaysia selaras dengan Strategi Keempat, Rancangan Malaysia

Kesepuluh (RMKe-10). Dengan kata lain, kajian yang dihasilkan mampu menjadi

panduan ke arah peningkatan sistem pengurusan pembinaan di Malaysia bagi projek-

projek yang melibatkan perumahan. Selain daripada itu, ia dapat dijadikan sebagai satu

rujukan dan titik tolak bagi kajian-kajian mendatang dengan cara:-

• Memberi kefahaman tentang pentingya kaedah penentuan jumlah dan agihan

perumahan dalam menghasilkan model ramalan.

• Menjelaskan faktor-faktor dan komponen penting yang perlu diberi perhatian

dalam menentukan jumlah dan agihan permintaan perumahan.

• Merangka satu model perumahan yang dapat digunakan secara berterusan dan

praktikal untuk dilaksanakan.

7

1.6 Skop Kajian

Skop kajian tertumpu di negeri Johor kerana ia dikenalpasti sebagai negeri yang

mencatatkan peratusan rumah siap dibina tidak terjual paling banyak direkodkan

dalam negara. Selain kemudahan dalam mendapatkan maklumat data permintaan

perumahan. Model ramalan permintaan perumahan dibangunkan mengikut empat

kategori rumah iaitu kos rendah, kos sederhana rendah, kos sederhana dan kos tinggi.

Pemilihan empat kategori rumah dibuat bersesuaian dengan dasar perumahan negeri

Johor (SUK Johor) yang telah digunakapakai sehingga hari ini. Dalam kajian ini, data

Banci Penduduk dan Perumahan digunakan untuk membangunkan model ramalan

permintaan perumahan yang diperolehi dari Jabatan Perangkaan Malaysia. Manakala

data primer digunakan untuk penentuan pemilihan kategori rumah yang diperolehi

melalui dapatan soal selidik bagi setiap daerah di negeri Johor iaitu Batu Pahat, Johor

Bharu, Pontian, Muar, Segamat, Kluang, Mersing, Kota Tinggi, Kulai Jaya dan

Ledang. Bagi memastikan model yang dihasilkan mampu meramal dengan baik,

perbandingan antara data ramalan dan data sebenar yang diperolehi dari SUK Johor

ditentukan. Menggunakan Peratusan Ralat Min Mutlak (MAPE), model permintaan

perumahan dinilai dan ditentukan tahap keupayaan dalam membuat peramalan.

1.7 Metodologi Kajian

Metodologi kajian dirangka bagi memenuhi setiap objektif yang dinyatakan dalam

menghasilkan model ramalan permintaan perumahan bagi empat kategori rumah di

negeri Johor. Terdapat 3 peringkat utama yang terlibat dalam metodologi kajian ini

iaitu; 1) penentuan kaedah ramalan dan faktor-faktor yang sesuai untuk digunakan di

dalam model; 2) pembentukan model dan; 3) pengujian terhadap model yang

dihasilkan. Pada peringkat pertama, kesesuaian model dan faktor-faktor dinilai melalui

kajian literatur yang dilakukan secara mendalam. Peringkat kedua dimulakan dengan

menentukan kadar ketua isi rumah kemudianya diteruskan dengan menentukan

anggaran populasi penduduk di negeri Johor. Sementara model Multinomial Logistik

digunakan dalam menentukan kadar pemilihan penduduk melalui soal selidik yang

dijalankan. Oleh kerana itu, ujian kesahan, ujian kebolehpercayaan dan analisis

kekerapan dan diskriptif melibatkan data responden dilakukan. Peringkat terakhir iaitu

8

pengujian terhadap model, data dari SUK Johor telah digunakan dan dibandingkan

dengan model ramalan yang dihasilkan. Melalui pengujian yang dilakukan

menggunakan ukuran Peratus Ralat Min Mutlak (MAPE), tahap keupayaan model

yang dihasilkan dalam melakukan ramalan dapat ditentukan.

1.8 Struktur Tesis

Secara keseluruhan tesis ini mengandungi enam bab. Gambaran umum terhadap kajian

ini dijelaskan dalam bab pertama merangkumi pengenalan kepada kajian, penyataan

masalah, persoalan kajian, matlamat dan objektif kajian berserta skop kajian. Dalam

bab ini juga, penerangan terhadap kepentingan kajian turut dijelaskan.

Bab kedua dan ketiga pula membincangkan tentang kajian literatur yang yang

telah dilakukan oleh penyelidik-penyelidik lepas dalam menyokong dan menguatkan

konsep yang digunakan dalam kajian ini. Dalam bab kedua perkara yang dibincangkan

adalah isu perumahan melibatkan keseluruhan negeri di Malaysia termasuklah di

negeri Johor. Manakala Bab ketiga menjelaskan tentang kaedah yang telah digunakan

oleh pengkaji-pengkaji lepas dalam melakukan ramalan. Selain itu pembangunan

model turut dibincangkan dalam Bab ini.

Bab keempat membincangkan berkenaan metodologi kajian. Di dalam bab ini,

penerangan ringkas berkenaan kaedah penyelidikan yang telah dijalankan termasuklah

penjelasan mengenai penentuan unjuran populasi penduduk, ramalan populasi

penduduk dan model pemilihan kategori rumah yang ditentukan melalui borang kaji

selidik.

Bab kelima pula membincangkan mengenai analisis data yang diperolehi dari

Jabatan Perangkaan Malaysia dan borang kaji selidik yang telah diedarkan kepada

responden di negeri Johor. Selain itu, analisis terhadap model yang dibangunkan turut

melibatkan analisis kesesuian dan prestasi model.

Bab terakhir merupakan Bab keenam. Bab ini membincangkan tentang

pencapaian kajian terhadap objektif yang telah ditetapkan. Perbincangan tersebut

disusuli dengan beberapa cadangan yang berkenaan dengan kajian yang boleh

dilaksanakan sebagai kajian lanjutan di masa-masa akan datang.

BAB 2

PERUMAHAN DI MALAYSIA

2.1 Pengenalan

Bab ini membincangkan konsep dan teori yang berkaitan dengan kajian permintaan

perumahan yang dimulakan dengan menjelaskan definisi keperluan dan permintaan

perumahan. Kemudian bab ini menghuraikan tentang senario perumahan di Malaysia

di bawah Rancangan Malaysia di samping langkah-langkah yang telah dilakukan oleh

pihak kerajaan dalam menangani isu lebihan dan kekurangan rumah. Seterusnya

perbincangan menjurus kepada konsep permintaan perumahan dan faktor-faktor yang

mempengaruhi pemilihan kategori rumah. Selain itu kriteria-kriteria dan ketegori

rumah di kawasan kajian turut dibincangkan secara terperinci di bawah Dasar

Perumahan Negeri Johor.

2.2 Tarifan Keperluan dan Permintaan Perumahan

Dalam menjelaskan isu perumahan, istilah keperluan dan permintaan

seringkali digunakan oleh para penyelidik terdahulu (Yahya & Majid, 2002).

Lazimnya istilah tersebut digunakan dalam kajian melibatkan penentuan jumlah

perumahan yang berkesan di kalangan penduduk (Zainun, 2011). Oleh itu, bagi

mengelakkan kekeliruan, beberapa pengkaji telah mendefinasikan permintaan dan

keperluan perumahan yang boleh dijadikan sebagai sandaran antaranya Abelti et al.

(2001); Welsh (2002); Makinde (2014); Femi (2014); Heath (2014); dan Waterston et

al. (2015).

10

Menurut Abelti et al. (2001) dan Femi (2014), permintaan perumahan bukan

sahaja melibatkan hasrat untuk memiliki kediaman yang baik, tetapi juga

berkeupayaan untuk membayar rumah tersebut. Kenyataan tersebut disokong oleh

Welsh (2002) dan Makinde (2014) yang mengaitkan tempat tinggal dan kemampuan

untuk memiliki perumahan adalah permintaan rumah. Selain itu, Makinde (2014)

menjelaskan bahawa permintaan mempunyai hubungan dengan lokasi dan harga

rumah. Manakala istilah keperluan perumahan digunakan untuk menggambarkan

keadaan hidup yang sekadar memenuhi keperluan sosial Makinde (2014).

Permintaan perumahan merupakan kuantiti kediaman atau perkhidmatan yang

sesuai mengikut keadaan pengguna di mana ia mampu dibeli pada harga tertentu dalam

tempoh masa tertentu (Femi & Khan, 2014). Sementara, permintaan perumahan pada

harga tertentu merujuk kepada nilai yang ditetapkan mengikut kategori rumah yang

dijual berdasarkan kepuasan yang diperoleh bagi rumah tersebut. Dalam bidang

ekonomi, ia disebut sebagai utiliti. Menurut Alison (2004), keperluan perumahan

berkait dengan pertolongan pihak berwajib (kerajaan) dalam penyediaan perumahan,

sedangkan permintaan perumahan merujuk kepada perumahan yang dibeli dari pihak

swasta berdasarkan kepada kuasa belian yang ada.

Heath (2014) pula menjelaskan bahawa walaupun tidak ada satu definisi yang

tepat dalam menerangkan permintaan dan kehendak perumahan, namun begitu ia

sesuatu yang berbeza. Beliau mendefinasikan permintaan perumahan adalah satu

konsep yang didorong oleh pasaran dan ia berkait rapat dengan jenis dan bilangan

rumah yang dipilih oleh isi rumah untuk diduduki berdasarkan keutamaan dan

keupayaan untuk membayar. Sementara itu, keperluan perumahan merupakan

petunjuk kepada defisit yang ada dalam bilangan isi rumah yang tidak mempunyai

akses kepada penginapan bagi memenuhi standard normal perumahan. Menurut beliau

juga, definisi keperluan perumahan turut digunakan untuk menggabungkan kedua-dua

definisi di atas bagi menggambarkan secara keseluruhan pasaran perumahan.

Bagi kajian ini, istilah yang digunakan adalah permintaan perumahan yang

menggambarkan keupayaan pembeli di negeri Johor untuk memiliki rumah mengikut

4 kategori rumah iaitu kos rendah, kos sederhana rendah, kos sederhana dan kos tinggi

seperti mana yang telah digariskan oleh Setiausaha Kerajaan Negeri Johor pada tahun

2016.

11

2.3 Populasi, Pembentukan Isi Rumah dan Kadar Ketua Isi Rumah

Merujuk kepada laporan Government of Uganda (2007), bilangan unit

perumahan yang diperlukan oleh penduduk kebiasaanya diukur melalui kadar

pertumbuhan populasi penduduk. National Economic and Social Council, (2004)

dalam laporanya menyatakan bahawa perubahan bilangan ahli rumah disebabkan oleh

perkembangan populasi penduduk dan tahap migrasi mempengaruhi pembentukan isi

rumah dan permintaan perumahan. Sementara kajian yang dibuat oleh Canada

Mortgage and Housing Corporation (2003) mendapati pertumbuhan populasi

penduduk dan ciri-ciri pembentukan isi rumah membantu dalam peningkatan

permintaan perumahan.

Thompson (2013) menjelaskan perkara yang perlu dipertimbangkan sebelum

ramalan permintaan perumahan dilakukan adalah pertumbuhan penduduk di sesuatu

kawasan. Manakala Carliner (2003) mengaitkan hubungan populasi dengan bilangan

pembentukan isi rumah di mana bilangan perumahan di sesuatu kawasan dipengaruhi

oleh bilangan pembentukan isi rumah yang membawa kepada pertumbuhan terhadap

permintaan perumahan. Oleh kerana itu, penelitian mendalam dibuat oleh beberapa

pengkaji bagi melihat hubungan permintaan perumahan dan pembentukan isi rumah

antaranya Börsch-Supan, Heiss, & Seko (2001); Haurin & Rosenthal (2007); dan

Dunne (2012). Hasil kajian yang diperolehi oleh mereka mendapati wujudnya

perkaitan antara populasi, pembentukan isi rumah dan kadar ketua isi rumah dalam

menentukan permintaan perumahan.

Belsky, Drew, & Mccue (2007), dalam kajianya cuba menerangkan perkaitan

antara pembentukan isi rumah dan populasi penduduk dengan lebih terperinci. Secara

asasnya peningkatan pembentukan isi rumah dan pertumbuhan populasi penduduk

adalah saling berkaitan antara satu sama lain. Namun begitu menurut Belsky et al.

(2007) kedua-duanya mempunyai maksud yang berlainan. Sekiranya berlaku

peningkatan populasi penduduk di satu-satu kawasan, maka pembentukan isi rumah

dijangka akan turut meningkat, tetapi dalam kadar yang berbeza. Perkara ini

disebabkan oleh pembentukan isi rumah dipengaruhi oleh komposisi penduduk

dewasa, bukannya pertambahan penduduk semata-mata. Menurut beliau juga, untuk

menentukan komposisi penduduk dewasa, kaedah yang biasa digunakan adalah kadar

ketua isi rumah.

12

Di Malaysia, ketua isi rumah ditakrifkan sebagai individu yang menjadi

penyumbang terbesar dalam ekonomi sesebuah isi rumah di mana ia dikaitkan dengan

lelaki (Lembaga Penduduk dan Pembangunan Keluarga Negara, 2016). Manakala

mengikut sejarah, prototaip kaedah kadar ketua isi rumah mula digunakan di Amerika

Syarikat pada tahun 1938 bagi mengunjurkan bilangan isi rumah dengan anggapan

bahawa kadar ketua isi rumah adalah konstant sepanjang tahun (Zeng, Land, Wang, &

Gu, 2013). Sehingga tahun 1993, kaedah unjuran ketua isi rumah telah digunakan oleh

pelbagai institusi penyelidikan mahupun pengkaji di 15 buah negara (United Nations,

1993).

Kajian yang dilakukan oleh Statistics Research Agency (2011) menjelaskan

bahawa kaedah kadar ketua isi rumah menjadi pilihan kebanyakan pengkaji dan

institusi dalam menentukan pembentukan isi rumah kerana ia mudah difahami dan

ditentukan. Analisis yang dilakukan tidak memerlukan bilangan data yang banyak di

samping keputusan yang diperolehi adalah lebih baik berbanding kaedah sedia ada

kerana ia menggabungkan kesan perubahan dalam taburan umur penduduk (Mason &

Racelis, 1992). Menurut Leiwen & Neill (2014), untuk menentukan kadar ketua isi

rumah, hanya satu data banci digunakan di mana bilangan isi rumah dikelaskan

mengikut usia ketua isi rumah, ha. Bilangan isi rumah kemudiannya dibahagikan

dengan populasi penduduk dalam kumpulan umur yang sama, Nat. Maka, pembentukan

isi rumah, Ht untuk tahun, t mengikut kumpulan umur dapat ditentukan menggunakan

Persamaan (2.1).

Ht = ∑ ha × Nat (2.1)

Statistics Research Agency (2011) di United Kingdom dan Leiwen & Neill

(2014) menggunakan pendekatan yang berbeza untuk menentukan kadar ketua isi

rumah iaitu kaedah ubahsuai exponen dua titik (modified two-point exponential

method). Melalui kaedah tersebut, unjuran kadar ketua isi rumah ditentukan melalui

dua tahun data banci (semasa dan tahun asas) berbanding hanya satu data banci yang

telah digunakan oleh United Nations pada tahun 1993. Oleh kerana itu, kaedah ini

dilihat lebih tepat dan sesuai untuk digunakan dalam kajian yang dilakukan

berdasarkan ketersediaan data yang diperolehi. Persamaan umum bagi kaedah

ubahsuai exponen dua titik ditunjukkan dalam Persamaan (2.2).

13

yi = k + ���� (2.2)

Di mana,

i = tahun unjuran

yi = kadar ketua isi rumah tahun i

k = 1 jika kadar ketua isi rumah tahun semasa lebih besar dari tahun asas

0 jika kadar ketua isi rumah tahun semasa lebih kecil dari tahun asas

a = kadar ketua isi rumah tahun asas – k

b = (kadar ketua is rumah tahun i– k)/(kadar ketua isi rumah tahun asas – k)

xi = (i –tahun asas)/(tahun semasa-tahun asas)

2.4 Pembentukan Isi Rumah dan Permintaan Perumahan

Menurut laporan yang dikeluarkan oleh Canada Mortgage and Housing

Corporation (2013), pembentukan isi rumah sangat berkait rapat dengan pembinaan

perumahan. Oleh itu pembinaan perumahan baru pada masa akan datang dapat

ditentukan secara amnya mengikut aliran dalam pembentukan isi rumah. Sementara

itu, Clara (2006) menyatakan bahawa dalam jangka masa yang panjang, penawaran

terhadap perumahan akan bergerak selari dengan permintaan penduduk di mana

bilangan rumah di satu-satu kawasan mencerminkan pembentukan isi rumah.

Manakala Carliner (2003) & Salt (2014) menjelaskan unjuran isi rumah biasanya

dilakukan untuk mengetahui bilangan permintaan mahupun keperluan perumahan di

dalam sesuatu negara kerana faktor demografi adalah penentu utama kepada

pembinaan kediaman dan kependudukan.

Kajian yang dilakukan oleh Salt (2014) di Australia pada tahun 2013

mendapati jumlah rumah persendirian mencatatkan peningkatan sebanyak 1.8 %

(149,000 unit) berbanding tahun sebelumnya. Peningkatan peratusan tersebut

menjadikan jumlah rumah persendirian terkumpul di Australia adalah sebanyak 8.425

juta unit. Berdasarkan penelitian yang dibuat oleh Salt, pembentukan isi rumah

merupakan pendekatan terbaik untuk menentukan permintaan perumahan dalam

populasi penduduk dimana, ia menunjukkan pertumbuhan sebanyak 1.8 % selari

dengan jumlah unit rumah yang diperlukan pada tahun 2013. Sedangkan peningkatan

populasi penduduk direkodkan lebih rendah berbanding pembentukan isi rumah

14

dengan 1.7%. Peningkatan yang tinggi terhadap pembentukan isi rumah berbanding

populasi penduduk menunjukkan permintaan perumahan melebihi kadar populasi

penduduk (Salt, 2014).

Paciorek (2013), mendapati pembentukan isi rumah dan ekonomi mempunyai

hubungan yang begitu signifikan. Ketika kemelesetan ekonomi berlaku di Amerika

Syarikat pada tahun 2006, kadar pembentukan isi rumah direkodkan mengalami

penurunan yang begitu ketara. Dalam tempoh masa lima tahun (2006-2011) hanya

550,000 isi rumah baru terbentuk berbanding 1.35 juta setahun untuk tempoh lima

tahun sebelumnya. Oleh itu, pembentukan isi rumah pada tahun tersebut mencatatkan

angka yang paling rendah berbanding tempoh lima tahun sebelum ini sejak 40 tahun

yang lalu. Kesan daripada itu, permintaan perumahan turut mencatatkan penurunan

menyebabkan harga rumah jatuh dan sekaligus memberi kesan negatif terhadap aktiviti

pembinaan perumahan baru.

Dalam satu kajian yang dilakukan oleh Ritholtz (2014) terhadap tahap

pembentukan isi rumah di kalangan golongan muda dewasa, didapati golongan muda

dewasa yang tinggal bersama keluarga (ibu bapa) memberi kesan ke atas pemilikan

rumah dan bilangan pembinaan perumahan baru. Direkodkan pada tahun 1990

sehingga tahun 2006, peratusan golongan muda dewasa yang berumur 18 hingga 34

tahun tinggal bersama keluarga (ibu bapa) telah meningkat daripada 27% kepada 31%

(lebih kurang 22 juta orang) (Ritholtz, 2014). Sedangkan golongan tersebut

terutamanya yang lebih tua secara tradisinya menjadi penyumbang terbesar dalam

pembelian rumah pertama. Di sebabkan itu, kadar pembentukan isi rumah dan

permintaan perumahan menjadi rendah. Sementara itu, Ritholtz (2014) juga

menjelaskan faktor utama golongan muda dewasa lambat untuk membentuk keluarga

adalah di sebabkan oleh faktor kewangan.

Di Malaysia, trend terkini bagi pembentukan isi rumah yang berpotensi cukup

menggalakkan berdasarkan kepada faktor peningkatan bilangan perkahwinan yang

telah didaftarkan antara tahun 2001 sehingga 2013 (Rashid, 2015). Pada tahun 2001,

seramai 145,362 orang direkodkan mendirikan rumah tangga, sementara pada tahun

2013, seramai 215,595 orang telah sah bergelar suami isteri (Rashid, 2015). Walaupun

terdapat jumlah perceraian yang direkodkan antara tahun tersebut, namun bilangan

tersebut tidaklah begitu tinggi. Oleh itu, potensi pembentukan isi rumah dilihat kekal

positif di mana angka bersih yang dicatatkan bagi perkahwinan pada tahun 2012 adalah

seramai 176,526 orang berbanding 128,937 orang pada tahun 2001. Dengan ini,

15

permintaan untuk hartanah terutamanya pemilikan rumah dijangka berada pada tahap

yang memberangsangkan. Kajian soal selidik yang dilakukan oleh iProperty.com

(2015) menjelaskan motivasi utama dalam pembelian harta tanah adalah keinginan

untuk memiliki rumah (47% daripada jumlah maklumbalas kajian) berbanding

pelaburan untuk jangka masa panjang.

2.5 Faktor-Faktor Permintaan Perumahan

Bagi memenuhi permintaan perumahan untuk setiap lapisan masyarakat,

pelaksanaan strategi pengurusan yang betul dan terancang perlu dilakukan (Femi &

Khan, 2014). Sehubungan itu, penentuan terhadap faktor-faktor yang mempengaruhi

keputusan pemilihan kategori rumah bagi setiap isi rumah perlu diteliti dan

dikenalpasti. Pemahaman yang sama turut digunakan dalam bidang ramalan statistik

di mana Armstrong (2001) menjelaskan bahawa penelitian terhadap data input (faktor-

faktor) yang digunakan adalah penting bagi menghasilkan satu model ramalan yang

terbaik. Manakala Musa (2004) menyatakan untuk mendapatkan satu model yang baik

ramalan yang tepat perlu dihasilkan untuk elakkan kerugian.

Secara umumnya terdapat banyak faktor yang mempengaruhi permintaan

perumahan termasuklah faktor luaran dan dalaman seperti politik, sosial dan keadaan

ekonomi (Musa et al., 2015). Sementara DiPasquale & Wheaton (1996), menyatakan

bahawa keupayaan membeli rumah bergantung kepada faktor makro dan faktor mikro.

Faktor makro adalah seperti harga rumah, lokasi, kemudahan pinjaman kewangan,

kadar faedah pinjaman kewangan, bayaran ansuran bulanan dan wang proses atau

wang pendahuluan manakala faktor mikro pula adalah seperti pendapatan bulanan,

jenis pekerjaan, umur, corak perbelanjaan, jumlah tanggungan, simpanan wang

lebihan bulanan dan sebagainya.

Menurut Bujang, Zarin, & Jumadi (2010), bagi memastikan keseimbangan

antara penawaran dan permintaan perumahan, penelitian terhadap faktor yang

berkaitan dengan permintaan terhadap perumahan adalah penting untuk dikenal pasti

melibatkan keadaan ekonomi, demografi dan pilihan kediaman. Hasil penelitian

literatur yang dilakukan oleh mereka mendapati kebanyakan ahli akademik

berpendapat bahawa perubahan demografi memainkan peranan penting dalam

menentukan pasaran perumahan di kawasan bandar. Faktor demografi yang seringkali

16

diambil kira adalah; (1) bilangan penduduk; (2) saiz isi rumah; (3) pendapatan; (4)

pekerjaan; (5) tahap pendidikan dan; (6) taburan umur di mana ia boleh mempengaruhi

corak permintaan dan penawaran dalam pasaran perumahan (Bujang et al., 2010).

Megbolugbe, Marks, & Schwartz (1991) menyatakan bahawa permintaan

perumahan dapat ditentukan dengan mengkaji faktor-faktor demografi dan sosial di

kalangan penduduk. Faktor-faktor ini termasuklah; (1) sikap, pilihan dan persepsi

penghuni perumahan. Sementara Myers (1990) mengkategorikan sosioekonomi,

pasaran dan demografi di bawah satu faktor iaitu faktor makro. Antara faktor-faktor

makro yang dikenalpasti memberi kesan kepada permintaan perumahan adalah; (1)

saiz penduduk; (2) umur penduduk; (3) pendapatan dan kemampuan; (4) kadar faedah

dan penjimatan. Menurut Myers (1990) dan Sirat et al. (1999), taburan umur dalam

satu tempoh masa bagi pembentukan keluarga akan memberi kesan yang besar kepada

keperluan perumahan. Manakala faktor-faktor seperti pekerjaan, tahap pendidikan,

dan pendapatan isi rumah mempengaruhi permintaan perumahan dan tahap

kemampuan pemilikan (Sirat et al., 1999).

Kajian yang dilakukan oleh Liu, Wu, Lee, & Lee (1996) di Hong Kong

mendapati faktor ekonomi seperti; (1) pertumbuhan KDNK; (2) indeks harta tanah

dan; (3) pendapatan memberi kesan ke atas permintaan perumahan. Sementara

Chander (1976) mendapati terdapat tujuh faktor yang mempengaruhi permintaan

perumahan melibatkan faktor sosio-ekonomi iaitu; (1) kadar pendapatan; (2) bilangan

penghuni; (3) purata bilangan orang dalam satu bilik; (4) peratusan anak yang

didaftarkan ke sekolah; (5) peratusan penginapan penduduk di kawasan bandar; (6)

kadar kematian bayi; dan (7) pertumbuhan populasi penduduk.

Canada Mortgage and Housing Corporation (2003) menjelaskan bahawa

keperluan dan pemilihan kategori rumah dipengaruhi oleh ciri-ciri individu dalam

populasi terutamanya umur, etnik, dan status keluarga. Sementara Miekle's (2001)

menyatakan bahawa perubahan dalam bilangan isi rumah dipengaruhi oleh

peningkatan semulajadi penduduk, peningkatan pembentukan isi rumah dan

penghijrahan penduduk serantau (migrasi). Car (2009) menjelaskan faktor individu

boleh dibahagikan kepada beberapa kumpulan iaitu saiz penduduk atau kumpulan

umur individu penduduk, bilangan isi rumah, kadar kelahiran, kadar kematian, kadar

perkahwinan, kadar perceraian dan keperluan perumahan.

17

Di Malaysia, Yahya & Majid (2002); Bakhary et al., (2007); Yassin et al.,

(2011); Zainun, (2011) & Mohd et al., (2012) telah menghasilkan model ramalan

kategori rumah kos rendah. Oleh kerana itu, faktor-faktor yang digunakan dalam

pembentukan model ramalan tidak menampakkan perbezaan yang begitu ketara di

antara setiap penyelidik. Sebanyak sembilan indikator telah digunakan oleh Yahya &

Majid dalam meramal permintaan rumah kos rendah di Negeri Selangor iaitu; (1)

pertumbuhan penduduk; (2) kadar kelahiran kanak-kanak; (3) kadar kematian kanak-

kanak; (4) kadar pengangguran; (5) kadar inflasi; (6) Keluaran Dalam Negara Kasar

(KDNK); (7) kadar kemiskinan (8) pendapatan isi rumah dan; (9) stok perumahan.

Sementara kajian yang dilakukan oleh Zainun (2011) mengekalkan faktor yang

dicadangkan oleh Yahya & Majid (2002) untuk meramal permintaan perumahan kos

rendah di lapan negeri iaitu Perlis, Pahang, Johor, Terengganu, Kelantan, Kedah, Pulau

Pinang dan Perak. Daripada sembilan faktor yang dijadikan input di dalam model,

hanya empat faktor yang dikenalpasti memberi kesan yang besar terhadap keseluruhan

model ramalan iaitu; (1) pendapatan; (2) kadar inflasi, (3) kadar kematian kanak-

kanak, dan; (4) pertumbuhan penduduk.

Dalam kajian ini, faktor individu digunakan dalam menentukan permintaan

perumahan. Pendekatan ini dibuat di sebabkan oleh data permintaan perumahan bagi

setiap kategori rumah tidak terdapat di dalam pengkalan data SUK Johor. Oleh kerana

itu, permintaan perumahan diperolehi berdasarkan maklum balas individu yang

ditentukan melalui borang soal selidik. Silver (2011) juga menyatakan bahawa

kebanyakan kajian mengenai pemilihan perumahan adalah menggunakan data yang

diperolehi daripada maklum balas secara individu. Hasil daripada tinjauan literatur

yang dibuat didapati terdapat pelbagai faktor-faktor penentu kepada permintaan

perumahan antaranya pendapatan, bilangan isi rumah, kadar faedah, peringkat

pendidikan, urbanisasi, saiz rumah dan pertumbuhan ekonomi. Namun begitu, tidak

semua faktor-faktor tersebut dapat digunakan di dalam model ramalan di sebabkan

oleh kesukaran dalam mendapatkan maklumat dan juga keupayaan model.

Oleh kerana itu, 20 orang pakar bahagian perumahan yang mempunyai

pengalaman dalam industri dirujuk di samping seorang pakar dalam bidang ekonomi

iaitu Prof. Dr. Nor Ghani Md Nor dari Universiti Kebangsaan Malaysia (UKM) (Md

Nor, 2016). Hasil daripada analisis yang terperinci mendapati sebanyak 10 faktor telah

diperakui sesuai untuk digunakan dalam meramal permintaan perumahan di Malaysia

iaitu 1) bilangan keluarga; 2) bilangan penghuni; 3) umur; 4) pendapatan isi rumah; 5)

18

status migrasi; 6) pencapaian pendidikan; 7) kumpulan etnik; 8) status warganegara;

9) status perkahwinan; 10) dan status pemilikan (rujuk sub tajuk 5.4). Maka kajian ini

menggunakan 10 faktor tersebut sebagai pembolehubah tidak bersandar bagi meramal

permintaan perumahan di negeri Johor.

2.6 Perumahan di Bawah Rancangan Malaysia

Menurut Dunn (2000), perumahan merupakan salah satu keperluan manusia

yang paling asas di mana ia memberi kesan terhadap gaya hidup, kesihatan,

kebahagiaan serta produktiviti setiap individu. Aduwo (2011) menyatakan perumahan

bukan hanya keperluan asas manusia, tetapi ia juga merupakan satu komponen penting

dalam kebajikan dan sumber rezeki bagi manusia untuk terus hidup. Mengikut takrifan

Apochi & Achuenu (2002), perumahan merupakan tempat berehat yang menyediakan

pelbagai keperluan, imbuhan, ketenangan dan sekurang-kurangnya ruang untuk

didiami. Manakala Bello (2003) mengklasifikan perumahan sebagai satu pelaburan

yang memainkan peranan penting kepada ekonomi bagi setiap individu, keadaan

sekeliling dan negara. Dalam konteks sosio-budaya, perumahan berfungsi sebagai

kawasan rekreasi dan pengecaman yang boleh dianggap sebagai identiti psikologi

(Gallent, Mace, & Tewdwr-Jones, 2004).

Di Malaysia, penekanan terhadap sektor perumahan amatlah dititik beratkan

oleh pihak kerajaan dalam usaha untuk menyediakan keperluan dan kebajikan kepada

rakyat. Menerusi Rancangan Malaysia ke-10 (RMKe-10), kerajaan begitu komited

untuk menyediakan perumahan mampu milik yang mencukupi dan berkualiti bagi

setiap golongan masyarakat di Malaysia. Usaha murni ini merupakan kesinambungan

kepada strategi pembangunan Rancangan Malaysia Ke-9 (RMKe-9) iaitu untuk

memastikan kesejahteraan rakyat dipertingkatkan dengan peningkatan kualiti

kehidupan di kawasan perumahan terutamanya kepada golongan yang berpendapatan

rendah (Kerajaan Malaysia, 2006).

Sebelum ini di bawah Rancangan Malaysia Ketujuh (RMKe-7) (1996-2000),

kerajaan buat pertama kali memperkenalkan kategori Rumah Kos Sederhana Rendah

untuk memastikan golongan berpendapatan rendah pertengahan dengan gaji antara

RM1,501 sehingga RM2,500 sebulan mampu memiliki rumah (Shuid, 2004) seperti

mana yang ditunjukkan dalam Jadual 2.1. Di bawah RMKe-7 juga, kerajaan telah

19

melaksanakan beberapa program untuk menangani isu perumahan kos rendah yang

tidak mencukupi bagi mengelakkan peningkatan penempatan setinggan di pusat

bandar. Antara langkah yang telah diambil oleh pihak Kerajaan adalah menubuhkan

sebuah tabung bagi mempercepatkan pembinaan perumahan kos rendah yang menjadi

keperluan bagi pemaju untuk memperuntukkan sebanyak 30% daripada skim

perumahan yang dibina bagi pembinaan rumah kos rendah (Kerajaan Malaysia, 1996).

Jadual 2.1: Kategori rumah mengikut harga dan pendapatan

(Jabatan Perumahan Negara)

Tahun Kategori Rumah Harga Rumah/Unit Sasaran Kumpulan/

Pendapatan Setiap Bulan

Sebelum

Jun 1998

Kos rendah Tidak melebihi RM 25,000 Tidak melebihi RM750

Kos sederhana Rendah RM 25,001-RM 60,000 RM750-RM1,500

Kos sederhana RM 60,001-RM100,000 RM1,501-RM2,500

Kos tinggi Melebihi RM 100,001 Lebih daripada RM,2501

Selepas

Jun 1998

Kos rendah Tidak melebihi RM 42,000

bergantung kepada lokasi

Tidak melebihi RM1,500

bergantung kepada jenis

rumah

Kos sederhana rendah RM42,001-RM60,000 RM1,501-RM2,500

Kos sederhana RM 60,001-RM100,000 Tidak dinyatakan

Kos tinggi Melebihi RM 100,001 Tidak dinyatakan

Merujuk kepada Jadual 2.1, terdapat perubahan yang dibuat terhadap

pemilikan rumah yang disediakan oleh kerajaan melibatkan harga rumah dan

pendapatan. Sebelum Jun 1998, didapati harga ketegori rumah kos rendah adalah tidak

melebihi RM25,000 namun selepas penyelarasan dibuat pada Jun 1998, harga rumah

kos rendah telah ditetapkan tidak melebihi RM42,000. Perubahan harga rumah ini

dibuat bagi menggalakkan sektor swasta membina lebih banyak rumah kos rendah

(Shuid, 2004). Selain itu, kerajaan juga telah membuat perubahan terhadap had

pendapatan sesuai dengan perubahan masa. Pada tahun 2012, semakan semula telah

dilakukan terhadap harga rumah kos sederhana rendah dan kos sederhana seperti yang

ditunjukkan dalam Jadual 2.2 bagi memastikan keselesaan dan kepuasan penduduk.

20

Jadual 2.2: Kategori rumah mengikut harga

(Jabatan Perumahan Negara, 2012)

Kategori Rumah Harga Rumah/Unit

Kos rendah Tidak melebihi 42,000

Kos sederhana Rendah RM42,001-RM70,000

Kos sederhana RM70,001-RM100,000

Kos tinggi Melebihi RM100,000

Namun begitu, dari segi prestasi pembinaan perumahan, sejumlah 800,000 unit

rumah telah dirancang dalam tempoh RMKe-7, manakala peratusan siap dicatatkan

adalah sebanyak 107.4% yang mewakili 859,480 bilangan unit rumah. Daripada

peratusan tersebut, sektor swasta berjaya menyiapkan 737,856 unit atau 129.4%

daripada sasaran pembinaan (570,000 unit rumah). Walau bagaimanapun, agihan

mengikut kategori rumah didapati tidak selaras dengan sasaran yang telah ditetapkan,

di mana sebahagian besar daripada rumah yang dibina oleh sektor swasta adalah terdiri

daripada rumah kos sederhana dan kos tinggi (Ismail, 2005). Jadual 2.3 menunjukkan

ringkasan pencapaian bagi program-program perumahan yang telah dijalankan oleh

pihak kerajaan dan swasta di dalam RMKe-7.

Jadual 2.3: Peratusan pembinaan sektor awam dan swasta (1996-2000)

(Rancangan Malaysia ke-8, 2001)

Sektor Program % daripada sasaran

Awam

Perumahan Rakyat Termiskin 49.2

Kos rendah 101.7

Kos sederhana rendah 17.1

Kos sederhana 108.7

Kos tinggi 57.3

Swasta

Perumahan Rakyat Termiskin -

Kos rendah 92.6

Kos sederhana rendah 22.4

Kos sederhana 187.5

Kos tinggi 435.3

Menurut Portal Rasmi Jabatan Perumahan Negara, di sebabkan oleh ketidak

seimbangan antara penawaran dan permintaan perumahan dalam RMKe-7, jumlah

hartanah siap tidak terjual telah mencatatkan angka RM 6,609.37 juta menjadikan sub-

sektor kediaman berada dikedudukan kedua tertinggi bagi hartanah siap tidak terjual

21

di dalam sektor pembinaan (Kementerian Perumahan dan Kerajaan Tempatan, 2012).

Jadual 2.4 menunjukkan jumlah bilangan hartanah siap tidak terjual mengikut sub

sektor sehingga Disember 2000.

Jadual 2.4: Jumlah dan peratusan hartanah siap tidak terjual

(Kementerian Perumahan dan Kerajaan Tempatan, 2012)

Sektor RM (Juta) dan Peratusan sumbangan

Jun 2000 Dec 2000

Kediaman (unit) 6258.46

(21.70%)

6609.37

(23.26%)

Industri (unit) 1914.40

(6.64%)

12695.28

(44.01%)

Kedai runcit (unit) 111159

(3.91%)

2114.20

(7.44%)

Kompleks membeli-belah

(‘000 kaki persegi)

8380.12

(29.49%)

350.91

(5.61%)

Pejabat khas

(‘000 kaki persegi)

199.80

(10.44%)

-2492.65

(-19.63%)

Jumlah 28845.02

(100.00%)

28417.91

(100.00%)

Sehubungan itu, di dalam tempoh RMKe-8 (2001-2005), hanya 615,000 unit

rumah dijangka akan dibina daripada keseluruhan 782,300 unit yang disasarkan dalam

tempoh rancangan dengan mengambil kira lebihan stok dalam negara dan kapasiti

untuk membekalkan rumah seperti yang ditunjukkan dalam Jadual 2.5. Daripada

jumlah yang disasarkan dalam RMKe-8, 93.6% adalah untuk keperluan baru dan

bakinya adalah untuk penggantian (6.4%) sesuai dengan jumlah perumahan semasa

seperti yang ditunjukkan dalam Jadual 2.6.

22

Jadual 2.5: Sasaran perumahan sektor awam dan swasta, (2001-2005)

(Rancangan Malaysia Ke-8, 2001)

Program Jumlah Perumahan Untuk

Rakyat Termiskin

Kos

Rendah

Kos

Sederhana

Rendah

Kos

Sederhana

Kos

Tinggi

Sektor Awam 312,000

(50.7)

16,000

(5.1)

192,000

(61.5)

37,300

(12.0)

46,700

(15.0)

20,000

(6.4)

Perumahan Awam Kos

Rendah

175,000 - 175,000 - - -

Pemulihan Rumah 15,000 15,000 - - - -

Skim Pertapakan dan

Kemudahan

1,000 1,000 - - - -

Perumahan oleh

Agensi Komersil

56,000 - 15,000 10,000 16,000 15,000

Perumahan di Skim

Tanah

3,000 - 2,000 1,000 - -

Perumahan Kerajaan

dan Kediaman

Kakitangan

62,000 - - 26,300 30,700 5,000

Sektor Swasta

(%)

303,000

(49.3)

- 40,000

(13.2)

94,000

(31.0)

64,000

(21.1)

105,000

(34.7)

Pemaju Swasta 289,000 - 39,000 90,000 60,000 100,000

Syarikat Kerjasama 14,000 - 1,000 4,000 4,000 5,000

Jumlah

(%)

615,000

(100.00)

16,000

(2.6)

232,000

(37.7)

131,300

(21.3)

110,700

(18.0)

125,000

(20.3)

Jadual 2.6: Keperluan perumahan mengikut negeri, 2001-2005

(Jabatan Perumahan Negara)

Negeri Jumlah Keperluan Baru Penggantian

Johor 90,174 85,656 4,518

Kedah 55,514 51,247 4,267

Kelantan 54,272 49,051 5,221

Melaka 20,591 19,035 1,556

Negeri sembilan 30,753 27,088 3,665

Pahang 44,642 41,730 2,912

Perak 76,569 68,085 8,484

Perlis 7,672 7,321 351

Pulau pinang 41,421 40,266 1,155

Sabah 100,034 93,709 6,325

Sarawak 69,223 65,157 4,066

Selangor 106,055 102,492 3,563

Terengganu 36,940 33,677 3,263

W. P. Kuala lumpur 46,093 45,390 703

W. P. Labuan 2,347 2,196 151

Jumlah 782,300 732,100 50,200

% 100 93.6 6.4

23

Perkembangan terhadap sektor perumahan diteruskan di dalam RMKe-9

dengan sektor swasta bertindak sebagai peneraju utama pembinaan perumahan.

Mankala sektor awam menjadi tulang belakang dari segi penyediaan peraturan yang

sesuai untuk menjamin kecekapan dan pelaksanaan perumahan. Oleh itu, dapat dilihat

melalui sasaran perumahan bagi tahun 2006-2010, sektor swasta dijangkakan

membina lebih banyak perumahan berbanding sektor awam bagi memenuhi keperluan

dan permintaan penduduk. Jadual 2.7 menunjukkan sasaran perumahan bagi sektor

awam dan swasta dalam tempoh RMKe-9.

Jadual 2.7: Sasaran perumahan sektor awam dan swasta, (2006-2010)

(Kerajaan Malaysia, 2006)

Program Jumlah Perumahan Untuk

Rakyat Termiskin

Kos

Rendah

Kos

Sederhana

Rendah

Kos

Sederhana

Kos

Tinggi

Sektor Awam 197,805

(27.9) 20,000 85,000 37,005 27,100 28,700

Perumahan Awam Kos

Rendah

67,000

(9.5) - 67,000 - - -

Perumahan Golongan

Miskin Tegar (PPRT)

20,000

(2.8) 20,000 - - - -

Perumahan oleh

Agensi Komersil

57,405

(8.1) - 13,500 31,005 8,200 4,700

Perumahan oleh Skim

Kemajuan Tanah

5,000

(0.7) - 4,500 500 - -

Perumahan Kerajaan

dan Kediaman

Anggota Sektor Awam

48,400

(6.8) - - 5,500 18,900 24,000

Sektor Swasta

(%)

511,595

(72.1) - 80,400 48,500 183,600 199,095

Pemaju Swasta 492,595

(69.4) - 77,700 42,400 178,000 194,495

Syarikat Kerjasama 19,000

(2.7) - 2,700 6,100 5,600 4,600

Jumlah

(%)

709,400

(100)

20,000

(2.8)

165,400

(23.3)

85,505

(12.1)

210,700

(29.7)

227,795

(32.1)

Merujuk kepada Jadual 2.5 dan Jadual 2.7, terdapat perubahan yang ketara bagi

penyediaan perumahan melibatkan sektor awam dan swasta dalam tempoh RMKe-7

dan RMKe-8. Sektor awam dijangkakan membina 197,805 (27.9%) buah rumah

mengikut pecahan kategori rumah dalam RMKe-8. Manakala untuk sektor swasta,

sebanyak 511,595 dijangkakan dibina yang mewakili 72.1% daripada keseluruhan

pembinaan perumahan di Malaysia. Sedangkan dalam tempoh RMKe-7, didapati

penyediaan perumahan bagi sektor awam dan swasta adalah seimbang. Perkara ini

24

menyebabkan pihak swasta lebih menumpukan kediaman rumah kos sederhana dan

kos tinggi berbanding kos rendah dan kos sederhana rendah yang menjamin

keuntungan yang lebih lumayan. Perkara ini dapat dilihat apabila peratusan bagi

jumlah kediaman yang akan dibina dalam RMKe-7 meningkat bagi kategori rumah

kos sederhana (18% kepada 29.7%) dan kos tinggi (20.3% kepada 32.1%).

Namun begitu, kerajaan telah menetapkan teras strategi pembangunan

perumahan dan perkhidmatan bandar untuk memastikan matlamat Dasar Perumahan

Negara (DRN) tercapai iaitu untuk menyediakan rumah yang mencukupi, selesa,

berkualiti, dan mampu dimiliki bagi meningkatkan kesejahteraan hidup rakyat (Besar,

Fauzi, dan Ghazali, 2012). Berikut merupakan 6 teras strategik pembangunan

perumahan dan perkhidmatan bandar yang telah dirancang dalam tempoh RMKe-9

seperti yang ditunjukkan dalam Jadual 2.8.

Jadual 2.8: Teras strategik pembangunan perumahan dan perkhidmatan bandar

(Rancangan Malaysia Ke-9)

Teras Justifikasi

1

Menyediakan rumah yang mencukupi, berkualiti dan mampu dibeli atau disewa

terutamanya untuk memenuhi keperluan golongan berpendapatan rendah dengan

memberi penekanan lebih kepada kesesuaian lokasi dan persekitaran tempat tinggal

yang kondusif

2 Mengkaji semula undang-undang dan peraturan kearah memastikan pembangunan

sektor perumahan yang lebih teratur

3 Menggalakkan penyertaan sektor swasta dalam pembinaan rumah kos rendah dan

kos sederhana rendah

4 Meningkatkan keberkesanan dan keupayaan pihak berkuasa tempatan

5 Memastikan penyediaan perkhidmatan bandar yang berkualiti

6 Menggalakkan penyertaan masyarakat yang lebih meluas dalam pembangunan

bandar

Berdasarkan 6 teras yang dinyatakan dalam Jadual 2.8, kerajaan telah

meletakkan matlamat yang jelas untuk mewujudkan perumahan bukan sahaja

mencukupi malahan lebih terancang. Selain itu kerajaan turut memastikan pelaksanaan

terhadap sektor tersebut dapat dilakukan dengan berkesan melalui penglibatkan sektor

swasta. Berdasarkan kepada laporan yang dikeluarkan oleh Kerajaan Malaysia,

(2006), Selangor dijangkakan menjadi penyumbang utama kepada keperluan

perumahan dengan 19.2% daripada jumlah keseluruhan pembinaan diikuti negeri

135

Belsky, E. S., Drew, R. B., & Mccue, D. (2007). Projecting the Underlying Demand

for New Housing Units : Inferences from the Past , Assumptions about the Future,

(November).

Benjamin, N., & Farhaan, M. S. (2016, March 6). Najib: Johor to be New Economic

Powerhouse. Retrieved from

http://www.thestar.com.my/news/nation/2016/03/06/johor-economic-

powerhouse-najib/

Bernama. (2009, June 30). Lebih 100,000 Rumah Tidak Terjual Sejak 2005. Kosmo,

p. 4. Kuala Lumpur.

Besar, J. A., Fauzi, R., & Ghazali, A. S. (2012). Penilaian Awal Impak Perlaksanaan

Dasar Perumahan Negara Terhadap Sektor Perumahan di Kuala Lumpur.

Malaysian Journal of Society and Space, 6(6), 90–108.

Börsch-Supan, A., Heiss, F., & Seko, M. (2001). Housing Demand in Germany and

Japan. Journal of Housing Economics, 10(3), 229–252.

Bowerman, B. ., Connell, R. T., & Koehler, A. B. (2005). Forecasting, Time Series,

and Regression (4th ed.). South-Western College.

Box, G. E. ., & Jenkins, G. (1970). Time Series Analysis, Forecasting and Control.

Bujang, A. A., Zarin, H. A., & Jumadi, N. (2010). The Relationship Between

Demographic Factors and Housing Affordability. Malaysian Journal of Real

Estate, 5(1), 49–58.

Canada Mortgage and Housing Corporation. (2003). Canadian Housing Observer

2003.

Car, M. (2009). Selection of factors influencing the residential property prices in

Slovakia (Vol. 17). Slovakia.

Carliner, M. (2003). Headship Rates and Housing Demand. Housing Economics,

(June), 8–12.

Chan, Y. H. (2005). Biostatistics 305. Multinomial logistic regression. Singapore

Medical Journal, 6(46), 259–269.

Chan, Y. H. (2011). Multinomial logistic regression. Singapore Medical Journal,

46(6), 259–269. Retrieved from http://it.unt.edu/benchmarks/issues/2011/08/rss-

matters

Chander, R. (1976). Housing Needs Vs Effective Demand in Malaysia 1976-1990.

Department of Statistics, Malaysia.

136

Cheshire, P., & Sheppard, S. (1998). Estimating the Demand for Housing, Land, and

Neighbourhood Characteristics. Oxford Bulletin of Economics and Statistics,

60(3), 357–382.

Chuen, O. C., Karim, M. R., & Yusoff, S. (2014). Mode choice between private and

public transport in Klang Valley, Malaysia. The Scientific World Journal, 1–14.

Clara, H. M. (2006). Population and Housing : A Two-Sided Relationship.

Demographic Research, 15(13), 401–412.

Creswell, J. W. (2012). Educational Research: Planning, Conducting, and Evaluating

Quantitative and Qualitative Research. Educational Research (4th ed., Vol. 4).

Pearson. https://doi.org/10.1017/CBO9781107415324.004

Cronbach, L. J. (1951). Coefficient Alpha and the Internal Structure of Tests.

Psychometrika, 16(3), 297–334.

Department of Business Economic Development & Tourism. (2015). Measuring

Housing Demand in Hawaii , 2015-2025. Hawaii.

Department of Statistic. (2015). Population Quick Info. Retrieved from

http://pqi.stats.gov.my/searchBI.php

Di, Z. X., & Liu, X. (2006). The Effects of Housing Push Factors and Rent

Expectations on Household Formation of Young Adults. Journal of Real Estate

Research, 28(2), 149–166.

DiPasquale, D., & Wheaton, W. C. (1996). Urban Economics and Real Estate

Markets. (Englewood Cliffs, Ed.). Prentice Hall.

Dunn, J. R. (2000). Housing and Health Inequalities: Review and Prospects for

Research. Housing Studies, 15(3), 341–366.

Dunne, T. (2012). Household formation and the great recession.

Dusansky, R., & Wilson, P. W. (1993). The Demand for Housing: Theoretical

Considerations. Journal of Economic Theory, 61, 120–138.

El-Habil, A. M. (2012). An Application on Multinomial Logistic Regression Model.

Pakistan Journal of Statistics and Operation Research, 8(2), 271–291.

Femi, A. B., & Khan, T. H. (2014). Bridging the Gap between Housing Demand and

Housing Supply in Nigerian Urban Centres : A Review of Government

Intervention So Far. British Journal of Arts and Social Sciences, 18(2), 94–107.

Gahvari, F. (1986). Demand and Supply of Housing in the US. United State: Economic

Inquiry.

137

Gallent, N., Mace, A., & Tewdwr-Jones, M. (2004). Second homes: a new framework

for policy. ,. Town Planning Review, 75(3), 287–308.

Gardner, M. P., Wiley, J. B., Coughian, A. T., & Howell, R. D. (1983). Marketing

Decision Making: A Model Building Approach. Journal of Marketing Research,

21(3), 339–341.

Gluszak, M. (2015). Multinomial Logit Model of Housing Demand in Poland. Real

Estate Management and Valuation, 23(1), 84–89.

Goh, B.-H. (1998). Forecasting Residential Construction Demand in Singapore: A

Comparative Study of the Accuracy of Time Series, Regression and Artificial

Neural Network Techniques. Engineering, Construction and Architectural

Management, 5(3), 261–275.

Goh, B. . (1999). An Evaluation of the Accuracy of the Multiple Regression Approach

in Forecasting Sectoral Construction Demand in Singapore. Construction

Management and Economic, 17, 231–241.

Goodman, A. C. (2002). Estimating Equilibrium Housing Demand for “‘Stayers.’”

Journal of Urban Economics, 51(1), 1–24.

Government of Malaysia. (2010). Tenth Malaysia Plan. Percetakan Nasional

Malaysia Berhad, Headquaters, Kuala Lumpur., 253–327.

Government of Uganda. (2007). State Of Uganda Population Report 2007: Planned

Urbanization for Uganda’s Growing Population.

Guest, R. S. (2005). A Life Cycle Analysis of Housing Affordability Options for First

Home Owner-Occupiers in Australia. The Economic Record, 81(254), 237–248.

Haurin, D. R., & Rosenthal, S. S. (2007). The Influence of Household Formation on

Homeownership Rates Across Time and Race. Real Estate Economics, 35(4),

411–450.

Heath, S. (2014). Housing Demand and Need (England ).

Hosmer, D. W., Hosmer, T., Cessie, S. Le, & Lemeshow, S. (1997). A comparison of

goodness-of-fit tests for the logistic regression model. Statistics in Medicine,

16(9),965–980.

Hosmer, D. W., & Lemeshow, S. (2000). Applied Survival Analysis : Regression

Modeling of Time to Event Data. American Statistic Association, 95(450), 681–

682.

138

Hunaiti, H. (1995). Housing Demand in Jordan. Population Bulletin of Economic and

Social Commission for Western Asia, (43).

iProperty.com. (2015). Asia Property Market Sentiment Report (H2).

Ismail, M. (2005). Setinggan dan Permasalahannya Serta Penyelesaian ke Arah

Setinggan Sifar. Universiti Teknologi Malaysia.

Jabatan Penerangan Malaysia. (2008). Info Penggerak Minda Rakyat. (P. Selvaraju,

Ed.) (1st ed.). Kuala Lumpur: Percetakan MPH Group Printing (M) Sdn.Bhd.

Jabatan Penilaian dan Perkhidmatan Harta. (1999). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2000). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2001). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2002). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2003). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2004). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2005). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2006). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2007). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2008). Laporan Pasaran Harta. Malaysia.

Jabatan Penilaian dan Perkhidmatan Harta. (2011). Laporan Status Pasaran Harta

Tanah Q4 2011. Putrajaya.

Jabatan Penilaian dan Perkhidmatan Harta. (2012). Laporan Status Pasaran Harta

Tanah Q4 2012. Putrajaya.

Jabatan Penilaian dan Perkhidmatan Harta. (2013). Laporan Status Pasaran Harta

Tanah Q4 2013. Putrajaya.

Jabatan Penilaian dan Perkhidmatan Harta. (2014). Laporan Status Pasaran Harta

Tanah Q4 2014. Putrajaya.

Jabatan Penilaian dan Perkhidmatan Harta. (2015). Laporan Status Pasaran Harta

Tanah Q4 2015. Putrajaya.

Jabatan Perancangan Bandar dan Desa Negeri Johor. (2010). HANDBOOK Data dan

Maklumat Perancangan Bandar dan Desa Negeri Johor. Johor: Jabatan

Perancangan Bandar dan Desa Negeri Johor.

Jabatan Perangkaan Malaysia. (2000). Population and Housing Census of Malaysia.

Jabatan Perangkaan Malaysia. (2010a). Data Asas Malaysia. Retrieved from

http://www.rurallink.gov.my/wp-content/uploads/2015/05/1-DATA-ASAS-

MALAYSIA1.pdf

139

Jabatan Perangkaan Malaysia. (2010b). Population and Housing Census of Malaysia.

Jabatan Perumahan Negara. (2011). Dasar Perumahan Negara (DRN).

Jabatan Perumahan Negara. (2014). MyHome Skim Perumahan Mampu Milik Swasta.

Jabatan Ukur dan Pemetaan Malaysia. (2015). Peta Negeri Johor. Malaysia.

Karantonis, A. (2007). Population growth and housing affordability in modern city -

Sydney a case study.

Kementerian Kewangan Malaysia. (2014). Laporan Ekonomi dan Kewangan.

Kementerian Perumahan dan Kerajaan Tempatan. (2001). Country Report of

Malaysia: Istanbul+ 5 Special Session of the United Nations General Assembly.

New York.

Kementerian Perumahan dan Kerajaan Tempatan. (2012). Total Number of Property

Overhang by Sector (as at December 2000). Retrieved from

http://ehome.kpkt.gov.my/index.php/pages/view/229

Kementerian Perumahan dan Kerajaan Tempatan. (2015a). KPKT Selected Statistics

Until 31 March 2015. Malaysia.

Kementerian Perumahan dan Kerajaan Tempatan. (2015b). Perangkaan Kementerian

Perumahan dan Kerajaan Tempatan 2015. Malaysia: Kementerian

Kesejahteraan Bandar, Perumahan dan Kerajaan Tempatan.

Kerajaan Malaysia. (1996). Rancangan Malaysia ke-7 (1996-2000). Percetakan

Nasional Malaysia Berhad, Headquaters, Kuala Lumpur.

Kerajaan Malaysia. (2001). Rancangan Malaysia Ke-8. Percetakan Nasional Malaysia

Berhad, Headquaters, Kuala Lumpur.

Kerajaan Malaysia. (2006). Rancangan Malaysia Ke-9 (pp. 461–477). Percetakan

Nasional Malaysia Berhad, Headquaters, Kuala Lumpur.

Kerajaan Malaysia. (2015). Rancangan Malaysia ke-11. Unit Perancang Ekonomi,

Jabatan Perdana Menteri. Retrieved from http://www.epu.gov.my

Kerajaan Negeri Johor. (2012). Dasar Perumahan Rakya Johor di Iskandar Malaysia.

Kerajaan Negeri Johor. (2014). Dasar Perumahan Rakyat Johor. Suruhanjaya Johor.

Klerfors, D. (1998). Artificial Neural Networks. Retrieved from

http://osp.mans.edu.eg/rehan/ann/Artificial Neural Networks.htm

Konting, M. M. (2005). Kaedah Penyelidikan Pendidikan. Dewan Bahasa dan

Pustaka.

Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research

activities. Educational and Psychological Measurement, 30, 607–610.

140

Kun, W. (2007). The Interaction between Real Estate and National Economy.

Management Science and Engineering, 1(2), 81–86.

Lai, K. K., Yu, L., Wang, S., & Huang, W. (2006). Hybridizing Exponential

Smoothing and Neural Network for Financial Time Series Predication.

International Conference on Computational Science, 493–500.

Lee, G. S., Dengler, P. S., Felderer, B., & Helmenstein, C. (2001). Austrian

demography and housing demand: Is there a connection. Vienna Yearbook of

Population Research, 28(3), 259–276.

Leiwen, J., & Neill, B. C. O. (2014). Toward a New Model for Probabilistic Household

Forecasts, 72(1), 51–64.

Lembaga Penduduk dan Pembangunan Keluarga Negara. (2016). Laporan Penemuan

Utama Kajian Penduduk dan Keluarga Malaysia Kelima (KPKM-5) 2014.

Bahagian Kependudukan, Lembaga Penduduk dan Pembangunan Keluarga

Negara.

Lewis, C. D. (1982). Industrial and business forecasting methods: A practical guide

to exponential smoothing and curve fitting. Butterworth-Heinemann.

Lipsitz, S. R., Fitzmaurice, G. M., & Molenberghs, G. (1996). Goodness-of-fit test for

Ordinal Response Regression Models. Applied Statistic, 45(2), 175–190.

Liu, E., Wu, J., Lee, V., & Lee, J. (1996). Study of Housing Demand Model, (October).

Madhu, B., Ashok, N. C., & Balasubramanian, S. (2014). A Multinomial Logistic

Regression Analysis to Study the Influence of Residence and Socio-Economic

Status on Breast Cancer Incidences in Southern Karnataka. International Journal

of Mathematics and Statistics Invention, 2(5), 1–8.

Mahamud, R., & Hussein, K. (2002). Kajian Ke Atas Keupayaan Golongan

Berpendapatan Sederhana Dalam Memiliki Rumah Di Kawasan Johor Bahru.

Retrieved from http://eprints.utm.my/2952/1/71693.pdf

Makinde, O. O. (2014). Housing Delivery System, Need and Demand. Environment,

Development and Sustainability, 16(1), 49–69.

Malpezzi, S., Mayo, S. K., & Gross, D. J. (1985). Housing Demand in Developing

Countries. Washington: World Bank. Washington.

Mason, A., & Racelis, R. (1992). A Comparison of Four Methods for Projecting

Households. International Journal of Forecasting, 8, 509–527.

McFadden, D. (1973). Conditional Logit Analysis of Qualitative Choice Behavior.pdf.

Md Nor, N. G. (2016). Housing Demand Prediction. Malaysia.

141

Megbolugbe, I. F., Marks, A. P., & Schwartz, M. B. (1991). The Economic Theory of

Housing Demand: A Critical Review. The Journal of Real Estate Research.

Menard, S. (2002). Applied logistic regression analysis. United Kingdom.

Ministry of Finance Malaysia. (2015). Malaysian Economy First Quarter 2015.

Miron, J. R. (2004). Housing Demand, Coping Strategy, and Selection Bias. A Journal

of Urban and Regional Policy, 35(2), 220–261.

Miskeen, M. a. A. Bin, Alhodairi, A. M., & Rahmat, R. A. A. B. O. K. (2013).

Behavior Modeling of Intercity Travel Mode Choice for Business Trips in Libya :

A Binary Logit Model of Car and Airplane. Journal of Applied Sciences

Research, 9(5), 3271–3280.

Miswan, N. H., Said, R. M., & Hussin, N. H. (2015). Comparative Performance of

ARIMA and DES Models in Forecasting Electricity Load Demand in Malaysia.

International Journal of Electrical & Computer Sciences IJECS-IJENS, 16(1), 6–

9.

Mohammadi, K., & Eslami, H. R. (2005). Comparison of Regression, ARIMA and

ANN Models for Reservoir Inflow Forecasting Using Snowmelt Equivalent (A

Case Study of Karaj). Journal of Agricultural Science and Technology (JAST), 7,

17–30.

Mohd, N., Hamid, N. A., Zainun, N. Y., & Abdul, I. (2012). Forecasting Low Cost

Housing Demand in Urban Area in Malaysia Using a Modified Back-Propagation

Algorithm. In World Conference on Information Technology (Vol. 1, pp. 913–

921).

Mondal, P., Shit, L., & Goswami, S. (2014). Study of Effectiveness of Time Series

Modeling (ARIMA) in Forecasting Stock Prices. International Journal of

Computer Science, Engineering and Application (IJCSEA), 4(2), 13–29.

Musa, M. M., Amirudin, R. Bin, Sofield, T., & Musa, M. A. (2015). Influence of

External Environmental Factors on the Success of Public Housing Projects in

Developing Countries. Construction Economics and Building, 15(4), 30.

Musa, S. (2004). Peramalan Siri Masa Aliran Sungai Dengan Kaedah ARIMA dan

Pelicinan Eksponen. Universiti Teknologi Malaysia.

Muth, R. F. (1960). The Demand for Non-Farm Housing. In The Demand for Durable

Goods (pp. 29–96). Chicago: University of Chicago Press.

Myers, D. (1990). Housing Demography - Linking Demographic Structure and

Housing Markets. Madison, WI : University of Wisconsin Press.

142

Nakpodia, E. D., Ayo, B. T., & Adomi, E. E. (2007). A Better Response Rate for

Questionnaires: Attitudes of Librarians in Nigerian University Libraries. Library

Philosophy and Practice, 9(2), 1–7.

National Economic and Social Council. (2004). Housing in Ireland: Performance and

Policy. Ireland: National Economic & Social. Retrieved from

http://files.nesc.ie/nesc_reports/en/NESC_112_2004.pdf

Needleman, L. (1965). The Economics of Housing.

Niner, P. (1976). A Review of Approaches to Estimating Housing Needs.

Norusis, M. J. (1997). SPSS 7.5 guide to data analysis. Prentice Hall PTR. Prentice

Hall PTR.

Nunnally, J. ., & Bernstein, I. . (1994). Psychoeducational Assessment (34rd ed). New

York : McGraw-Hill.

Olsen, E. O. (1969). A Competitive Theory of the Housing Market. American

Economic Association, 59(4), 612–622.

Paciorek, A. (2013). The Long and the Short of Household Formation. Real Estate

Economy, 44(1), 7–40.

Pallant, J. (2007). Spss Survival Manual : A Step by Step Guide to Data Analysis Using

SPSS for Windows (Version 10). Open University Press. Buckingham.

Pozdena, R. J. (1988). The Modern Economics of Housing: A Guide to Theory and

Policy for Finance and Real Estate Professionals. Greenwood Publishing Group.

Raine & Horne International Zaki, & Partners Sdn.Bhd. (2014). Traversing Down

South.

Rashid, M. A. A. (2015). Malaysia’s Residential Property Market- Slow and Steady.

Rasid, J. M., & Yusof, F. (2016). PM lancar Pelan Pertumbuhan Strategik Johor. Berita

Harian Online. Johor Bahru. Retrieved from www.bharian.com.my/node/131327

Ritholtz, B. (2014). Why Are Young Adults Living with Their Parents and When Will

They Move Out. Retrieved May 10, 2016, from http://ritholtz.com/barry-ritholtz-

curriculum-vitae-2/

Said, N. S., & Juanil, D. M. (2013). The Housing Environment Preference Among

Housing Consumers in Johor Bahru. In International Conference on Technology

Management , Business and Entrepreneurship (pp. 55–70).

Said, R., Moses, B., & Wei, L. C. (2004, April). Move by State to Sell Low-cost House

to All Criticised. New Straits Times, p. 14. Selangor.

143

Sallehuddin, R., Mariyam, S., Shamsuddin, H., Zaiton, S., & Hashim, M. (n.d.).

Forecasting Time Series Data Using Hybrid Grey Relational Artificial Neural

Network and Auto Regressive Integrated Moving Average. Neural Network

World, 17, 573–605.

Sallehuddin, R., Shamsuddin, S. M., Zaiton, S., & Hashim, M. (2008). Hybridization

Model of Linear and Nonlinear Time Series Data for Forecasting, 597–602.

Salt, B. (2014). Household Formation, Not Population, Is the Driver of Demand.

Schulz, R., & Werwatz, A. (2002). A State Space Model for Berlin House Prices :

Estimation and Economic Interpretation. The Journal of Real Estate Finance and

Economics, 28(1), 35–57.

Shuid, S. (2004). Low Medium Cost Housing in Malaysia: Issues and Challenges. In

Asia-Pacific Network for Housing Research.

Shuid, S. (2010). Low Income Housing Allocation System in Malaysia : Managing

Housing Need for the Poor. 22nd International Housing Research Conference,

4–7.

Sidi, N. S. S. (2011). The Different Scenarios of Housing Problem in Malaysia (1st

ed.). Batu Pahat, Johor: Penerbit Universiti Tun Hussein Onn Malaysia.

Silver, L. (2011). A study on Housing Preference of Young Households Using Stated-

Preference Approach. KTH Royal Institute of Technology, Stockholm.

Sirat, M., Hamat, A., Abdul Aziz, A., Rahim, A., Salleh, H., & Yaakob, U. H. (1999).

Low Cost Housing in Urban Industrial Centers of Malaysia, (Pulau Pinang :

Penerbit USM).

Sirat, M., Hamat, A., Abdul Aziz, A., Rahim, A., Salleh, H., & Yaakob, U. H. (1999).

Low Cost Housing in Urban Industrial Centers of Malaysia, (Pulau Pinang :

Penerbit USM).

Smith, L. B., Rosen, K. T., Markandya, A., & Ullmo, P.-A. (1984). The Demand for

Housing, Household Headship Rates, and Household Formation: An

International Analysis. Urban Studies, 21(4), 407–414.

Statistics Research Agency. (2011). Household Projections Across the United

Kingdom Technical Report.

Suangsuwan, J., Wiratchai, N., & Wongwanich, S. (2002). A Development of

Indicators, and the Cause and Effect Model of Collaboration of Primary School

Teacher in Ayutthaya province, Thailand. In Parramatta 2005 (pp. 1–16).

144

Suruhanjaya Johor. (2016). eRumah. Retrieved February 5, 2017, from

http://erumah.johor.gov.my/ePerumahan/home/hmSyaratPermohonan.htm

Tabachnick, B. G., & Fidell, L. S. (2001). Using Multivariate Statistics (5th ed.).

Pearson.

Thompson, W. S. (2013). Population Growth and Housing Demand. Annals of the

American Academy of Political and Social Science, 190, 131–137.

Tiwari, P., & Hasegawa, H. (2000). Effective Rental Housing Demand in the Tokyo

Metropolitan Region. RURDS, 12(1), 54–73.

Tuckman, B. W. (2005). Conducting Education Research (Vol. 80).

Unit Perancangan Ekonomi. (2016). Menyediakan Perumahan Mampu Milik yang

Mencukupi dan Berkualiti. In Rancangan Malaysia Kesepuluh 2011-2015.

Putrajaya.

United Nation. (1973). Methods of Projecting Households and Families Methods of

Projecting.

United Nations. (1989). Conceptual Issues and Methods for Preparing Demographic

Projections. In Projection Methods for Integrating Population Variables into

Development Planning (pp. 121–196). Retrieved from

http://www.un.org/esa/population/techcoop/PopProj/module1/module1.zip

United Nations. (1993). Headship Rate Method. In S. D. C. Donald J. Bogue, Eduardo

E. Arriaga, Douglas L. Anderton, George W. Rumsey. Chicago, Illinois (Ed.),

Population Models, Projections and Estimates. Department of Economic and

Social Affairs.

Vajiranivesa, P. (2008). A Housing Demand Model : A Case Study of the Bangkok

Metropolitan Region , Thailand (Ph.D Thesis). Royal Melbourne Institute of

Technology University: Ph.D thesis.

Wang, L., Zou, H., Su, J., Li, L., & Chaudhry, S. (2013). An ARIMA-ANN Hybrid

Model for Time Series Forecasting. Systems Research and Behavioral Science,

8(3), 27–42.

Waterston, S., Samson, L., Cummings, C., Cellupica, U., Gander, S., Grueger, B., …

Baerg, K. (2015). Housing Need in Canada: Healthy Lives Start at Home.

Paediatrics and Child Health, 20(7), 403–407.

Welsh, A. (2002). Local Housing Market Analysis: An advice Note to Welsh Local

Authorities from the Welsh Assembly Government.

145

World Population. (2016). Malaysia Population 2016. Retrieved from

http://worldpopulationreview.com/countries/malaysia-population/

Yahya, K., & Majid, M. Z. A. (2002). Forecasting Of Low Cost Housing Demand In

Urban Area : Artificial Neural Network and ARIMA Model Approach. In 2nd

International Conference on Systems Thinking in Management (pp. 14–19).

Yang, Z. R., & Parker, A. (1997). Applying Artificial Neural Networks to UK

Construction Demand Forecasting (Private Sector). COBRA, 1–16.

Yassin, A. M., Ramlan, R., & Al-Aminr, M. H. (2011). Peramalan Terhadap

Permintaan Perumahan Awam Kos Rendah. International Seminar on

Application of Science Mathematics.

Zainun, N. Y. (2011). Computerized Model to Forecast Low-Cost Housing Demand

in Urban Area in Malaysia Using Artificial Neural Networks (ANN).

Loughborough University: Ph.D thesis.

Zeng, Yi, Lan Li, Zhenglian Wang, Helin Huang, and J. N. (2013). Effects of Changes

in Household Structure on Future Housing Demand in Hebei Province , China,

(2), 85–111.

Zeng, Y., Land, K. C., Wang, Z., & Gu, D. (2013). Household and Living Arrangement

Projections at the Subnational Level: An Extended Cohort-Component Approach.

Demography, 50(3), 827–852.

Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural

network model, 50, 159–175.

Zhang, G. P., Patuwo, B. E., & Hu, M. Y. (2001). A simulation study of arti " cial

neural networks for nonlinear time-series forecasting, 28.