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.