Evaluasi Kesesuaian Kapasitas Pelayanan TPS 3R, PDU, dan TPST Kabupaten Banyumas

17 July 2025

•

By: Yasmin Menanda Haliza

Open Project

Evaluasi Kesesuaian Kapasitas Pelayanan TPS 3R, PDU, dan TPST Kabupaten Banyumas

Peta daerah layanan

I. Pendahuluan

I.1 Latar Belakang

Laju pertumbuhan penduduk di Kabupaten Banyumas pada tahun 2024 mencapai angka 1,04% menurut data Badan Pusat Statistik (BPS). Jika dibandingkan dengan data pertumbuhan penduduk pada tahun 2021, maka Kabupaten Banyumas mengalami peningkatan laju pertumbuhan penduduk sebanyak 0,09%. Pertambahan penduduk dapat menjadi salah satu pemicu utama permasalahan persampahan. Permasalahan ini dapat diselesaikan dengan pengelolaan sampah yang baik dan tidak menimbulkan efek samping bagi sekitar (Ihsanudin, 2022).

Penelitian yang dilakukan oleh Ihsanudin (2022) menggunakan pemodelan Sistem Informasi Geografi (SIG) untuk membuat peta keterjangkauan permukiman dengan TPS di Kabupaten Klaten. Analisis yang digunakan yaitu analisis jaringan dengan area layanan. Area layanan dikelompokan menjadi dua yaitu dengan jarak 1.000 dan 2.000 meter. Analisis ini menggunakan analisis vektor dengan data lokasi TPS, permukiman kota, permukiman desa, dan batas administrasi sebagai data masukan.

Penelitian terdahulu menggunakan analisis vektor untuk mengetahui area layanan TPS terhadap permukiman. Namun, pada kenyataannya terdapat fasilitas yang lokasinya berada pada perbatasan batas administrasi (Burdziej, 2019). Tidak jarang fasilitas yang berada di perbatasan batas administrasi diabaikan. Permasalahan tersebut dapat diselesaikan dengan menerapkan analisis grid, salah satunya adalah grid heksagon. Grid heksagon mampu menyajikan hasil analisis aksesibilitas yang hampir kontinyu tanpa adanya interpolasi serta memiliki jarak yang sama terhadap tetangga (Zhu dkk., 2005).

Menurut Peraturan Daerah Kabupaten Banyumas Nomor 7 Tahun 2021 perkiraan timbunan sampah pada tahun 2023 di Kabupaten Banyumas mencapai 450.015 ton per tahun dengan asumsi pertumbuhan penduduk mencapai 0,94% per tahun. Oleh karena itu, perlu diketahui pengelolaan sampah di Kabupaten Banyumas agar dapat memenuhi pelayanan penanganan sampah di seluruh area. SIG dapat membantu untuk mengetahui area layanan tempat pengumpulan sampah (TPS) terhadap permukiman. Analisis area layanan dilakukan dalam grid heksagon agar distribusi titik pengambilan sampel baik (Burdziej, 2019). Hasil dari analisis ini ditampilkan dalam platform MAPID agar dapat dipublikasikan kepada masyarakat dan dijadikan sebagai penentu kebijakan lebih lanjut bagi pemerintah.

I.2 Rumusan Masalah

Peristiwa banjir di kawasan perkotaan Kabupaten Banyumas disebabkan karena topografi wilayah, pengaruh iklim, dan kondisi drainase yang kurang optimal. Hal ini diperparah dengan banyaknya sampah yang menumpuk di saluran air pembuangan. Menurut Peraturan Daerah Kabupaten Banyumas Nomor 7 Tahun 2021 perkiraan timbunan sampah pada tahun 2023 di Kabupaten Banyumas mencapai 450.015 ton per tahun dengan asumsi pertumbuhan penduduk mencapai 0,94% per tahun, dengan total timbunan sampah per hari mencapai 850 ton dari sampah rumah tangga. Permasalahan ini menjadi salah satu tujuan Sustainable Development Goals (SDGs) yaitu tujuan 11 menjadikan kota dan permukiman yang inklusif, aman tangguh, dan berkelanjutan. Tujuan ini diharapkan dapat dicapai di seluruh daerah di Kabupaten Banyumas pada tahun 2030 menurut Peraturan Daerah Kabupaten Banyumas Nomor 7 Tahun 2021. Penelitian ini bertujuan untuk mengetahui area layanan TPS 3R, PDU, dan TPST terhadap permukiman di Kabupaten Banyumas. Setelah itu, dilakukan analisis kesesuaian kapasitas pelayanan TPS 3R, PDU, dan TPST di Kabupaten Banyumas. Untuk mengetahui hal tersebut dapat dilakukan pendekatan SIG menggunakan analisis keterjangkauan TPS 3R, PDU, dan TPST terhadap permukiman di Kabupaten Banyumas.

I.3 Tujuan Penelitian

Tujuan utama penelitian ini adalah melakukan analisis spasial TPS 3R, PDU, dan TPST. Sedangkan untuk tujuan khusus penelitian ini adalah sebagai berikut:

  1. 1.
    Mengetahui area layanan TPS 3R, PDU, dan TPST terhadap permukiman di Kabupaten Banyumas.
  1. 2.
    Mengetahui kesesuaian kapasitas pelayanan TPS 3R, PDU, dan TPST di Kabupaten Banyumas.

II. Metode Penelitian

II.1 Lokasi

Penelitian dilakukan di Kabupaten Banyumas. Kabupaten Banyumas merupakan salah satu kabupaten di Jawa Tengah yang terletak di sebelah Barat Daya. Kabupaten Banyumas memiliki luas daerah sebesar 1.327,60 km2 atau setara dengan 132.759,56 Ha. Kabupaten Banyumas terdiri atas 27 kecamatan dan 301 desa atau kelurahan.

II.2 Tahapan Penelitian

II. 2. 1 Daerah Layanan TPS 3R, PDU, dan TPST

Diagram alir pembuatan area layanan

Daerah layanan dapat terbentuk dengan menggunakan tools iso area as polygon. Data masukan yang diperlukan yaitu data spasial lokasi TPS 3R, PDU, dan TPST serta jaringan jalan. Proses ini menghasilkan keluaran berupa data vektor dan raster. Data yang digunakan untuk analisis selanjutnya adalah data raster.

Selain itu, data spasial permukiman perlu diubah menjadi grid heksagon. Proses perubahan ini menggunakan tools create grid layer pada plugin MMQGIS. Grid yang telah terbentuk kemudian dipilih agar menampilkan grid yang berada di area permukiman saja. Proses ini memanfaatkan tools select by location. Grid permukiman kemudian dilakukan zonal statistics dengan raster daerah layanan. Hal ini dilakukan untuk mengetahui area permukiman mana yang dapat dijangkau dalam suatu daerah layanan. Langkah terakhir adalah melakukan simbolisasi pada data daerah layanan sesuai dengan kriteria.

II. 2. 2 Analisis Kesesuaian Kapasitas Pelayanan TPS 3R, PDU, dan TPST

Diagram alir analisis kesesuaian kapasitas TPS 3R, PDU, dan TPST

Daerah layanan yang sudah terbentuk belum memiliki jumlah penduduk pada atribut tabelnya. Maka, data bangunan yang diambil dari OSM dapat dimanfaatkan untuk mengetahui jumlah penduduk pada grid. Bangunan yang telah di unduh dari OSM dapat dibuat centroid yang kemudian dilakukan count in polygon untuk mengetahui jumlah bangunan pada suatu grid. Jumlah penduduk dihitung dari jumlah bangunan yang dikalikan dengan rerata jumlah penduduk di setiap bangunan.

Menurut SNI 3242:2008 tentang pengelolaan sampah di permukiman, rerata sampah yang dihasilkan seseorang setiap harinya adalah 2,5 L. Jumlah timbunan sampah daerah layanan perhari dapat dihitung dengan mengalikan rerata sampah seseorang per hari dengan jumlah penduduk. Hasil ini kemudian dibandingkan dengan volume timbunan sampah pada setiap TPS 3R, PDU, dan TPST.

Bagi daerah layanan yang tumpang tindih dilakukan analisis tambahan yaitu OD Cost Matrix. OD Cost Matrix untuk mengetahui rekomendasi fasilitas persampahan terdekat dari total cost minimal yang dibutuhkan.

III. Hasil

III. 1 Daerah Layanan TPS 3R, PDU, dan TPST

Peta area layanan TPS 3R, PDU, dan TPST dibuat dengan menggunakan sistem koordinat WGS 1984. Pada peta statik, peta ditampilkan dalam skala 1:200.000. Peta menampilkan titik TPS 3R, PDU, dan TPST, dan sebaran area layanannya. TPS 3R ditunjukan dengan warna ungu, PDU ditunjukan dengan warna jingga, dan TPST ditunjukan dengan warna biru muda. Sedangkan, simbolisasi choropleth digunakan untuk menunjukan area layanan. Warna merah menunjukan area yang berjarak lebih dari 1.000 meter, sedangkan warna biru menunjukan area yang berjarak kurang dari 1.000 meter dari TPS 3R, PDU, dan TPST.

Peta menunjukan bahwa mayoritas area permukiman masih berwarna merah. Dari total 59.254 grid permukiman yang terbentuk, masih terdapat 49.466 grid yang berwarna merah. Hal ini menunjukan bahwa masih banyak area permukiman yang belum terjangkau oleh area layanan. Terdapat sebanyak 79,789% penduduk belum terlayani oleh TPS 3R, PDU, dan/atau TPS 3R.

III. 2 Analisis Kesesuaian Kapasitas Pelayanan TPS 3R, PDU, dan TPST

Terdapat 15 fasilitas persampahan yang memiliki kapasitas volume yang tidak sesuai. Nilai kapasitas volume lebih kecil jika dibandingkan dengan jumlah sampah penduduk layanan per harinya. Fasilitas persampahan tersebut adalah TPS 3R Mersi, Berkoh, Karangpucung, Cemara (Purwokerto Kidul), Purwokerto Kulon, Kranji Bersih Mandiri (Karanglewas Lor), Barokah (Rejasari), Arcawinangun, Bersih Sejati (Purwojati), Sae (Purwokerto Wetan), PDU Brayan (Tanjung), Gempar Jaya (Kober), Ceria (Pasir Kidul), Karangklesem, dan Sumampir. Sedangkan 12 fasilitas persampahan lainnya sudah sesuai dengan jumlah sampah per hari penduduk di sekitarnya.

Daftar Pustaka

Alifian, M., Awaluddin, M., & Sabri, L. M. (2023). Perancangan Webgis Persebaran Rumah Sakit Kota Semarang. Jurnal Geodesi Undip Juli, 321–329.
Burdziej, J. (2019). Using Hexagonal Grids and Network Analysis for Spatial Accessibility Assessment in Urban Environments- A Case Study of Public Amenities in Toruń. Miscellanea Geographica, 23(2), 99–110. https://doi.org/10.2478/mgrsd-2018-0037
Das, D. M. (2018). Point Pattern and Nearest Neighbour Analysis Madhushree. E Pathshala.
ESRI. (2015). The New Era of Web GIS. https://www.esri.com/about/newsroom/arcwatch/the-newera-of-web-gis/
ESRI (2021). Service Area Analysis. https://desktop.arcgis.com/en/arcmap/latest/extensions/network-analyst/service-area.htm
Ihsanudin, M. D. (2022). Analisis Spasial Tempat Pengelolaan Sampah Di Kabupaten Klaten. 1–15.
ISO (2019). International Standard Organization: ISO 9241-210 (Ergonomics of Human-System Interaction — Part 210: Human-Centred Design for Interactive Systems)
Lund, B. A. M. (2016). Measuring Usability with the USE Questionnaire 12. March.
Moh. Erkamim, S.Kom., M. K., Iqbal Ramadhani Mukhlis, S.Kom., M.KomPutra, S.T., M. E., Mirza Adiwarman, S.T., M. ., Ir. Farouki Dinda Rassarandi, S.T., M.Eng Ir. Nini Apriani Rumata, ST., MT., IPM Erlyna Nour Arrofiqoh, S.T., M.Eng Aditya Rahman KN, S.Si., M.Eng Farikhotul Chusnayah, S.T., M. E., & Nurhikmah Paddiyatu, ST., MT., IAP Dr. Erwin Hermawan, S.Si., M. S. (2023). Sistem Informasi Geografis (Issue December).
Nainggolan, Gibson (2025). Pemetaan Grid Kerentanan Ekonomi Masyarakat terhadap Wilayah Rawan Bencana Banjir di Jakarta Utara. MAPID. https://geo.mapid.io/blog_read/pemetaangrid-kerentanan-ekonomi-masyarakat-terhadap-wilayah-rawan-bencana-banjir-di-jakarta-utara
Santoso, Joseph Teguh., M. K. (2021). GIS Sistem Informasi Geografis. In Sistem Informasi Geografis.
Zhu, X., Liu, S., & Yeow, M. C. (2005). A GIS-Based Multi-Criteria Analysis Approach To Accessibility Analysis For Housing Development In Singapore. Proceedings of SSC 2005 Spatial Intelligence, Innovation and Praxis: The National Biennial Conference of the Spatial Sciences Institute, September, 2005, 1–10.

Data Publications

Evaluasi Keterjangkauan dan Usulan Rerouting Angkutan Kota Berbasis Location Analytics di Kota Malang, Jawa Timur

Transportation

04 Sep 2026

•

Meutia Amirotun Nuha

Evaluasi Keterjangkauan dan Usulan Rerouting Angkutan Kota Berbasis Location Analytics di Kota Malang, Jawa Timur

Penelitian ini mengevaluasi keterjangkauan pelayanan angkutan kota di Kota Malang dan menyusun alternatif rerouting berbasis location analytics. Keterjangkauan dianalisis menggunakan buffer 400 meter terhadap jaringan trayek eksisting, kemudian distribusi penduduk pada kawasan permukiman digunakan untuk mengidentifikasi population service gap. Kawasan yang belum terlayani dikelompokkan menjadi 27 cluster dan lima cluster dengan service gap terbesar dipilih sebagai Priority Service Area. Analisis selanjutnya mempertimbangkan jaringan jalan, pusat aktivitas, keterhubungan terhadap trayek eksisting, dan akses transportasi regional untuk menyusun koridor kandidat. Hasil menunjukkan bahwa pelayanan angkot eksisting menjangkau sekitar 616.575 jiwa atau 69,33% penduduk Kota Malang, sementara 272.784 jiwa belum terlayani. Skenario rerouting pada lima kawasan prioritas mampu menambah jangkauan terhadap sekitar 145.101 penduduk sehingga coverage meningkat menjadi 85,64%. Selain itu, 53 dari 56 POI prioritas berada dalam jangkauan pelayanan setelah skenario diterapkan. Temuan menunjukkan bahwa penanganan service gap secara terarah dapat meningkatkan keterjangkauan tanpa harus memperluas jaringan ke seluruh kawasan residual. Hasil penelitian merupakan screening spasial awal yang masih memerlukan validasi teknis dan operasional sebelum implementasi.

26 min read

•

614 view

12 Data

1 Projects

Analisis Kesesuaian Lokasi Pembangunan Fasilitas Kesehatan di Kota Pasuruan Berbasis Kepadatan Penduduk

City Planning

04 Sep 2026

•

Adam Sholihuddin

Analisis Kesesuaian Lokasi Pembangunan Fasilitas Kesehatan di Kota Pasuruan Berbasis Kepadatan Penduduk

Pemetaan spasial untuk menentukan lokasi prioritas pembangunan fasilitas kesehatan baru di Kota Pasuruan menggunakan metode Site Selection berdasarkan kepadatan penduduk tahun 2024.

9 min read

•

524 view

1 Projects

Analisis Spasial Kesesuaian dan Ketersediaan Lahan untuk Ekspansi Perumahan di Kawasan Sleman Barat, Timur, dan Tengah

City Planning

04 Sep 2026

•

Chanaya Berlin

Analisis Spasial Kesesuaian dan Ketersediaan Lahan untuk Ekspansi Perumahan di Kawasan Sleman Barat, Timur, dan Tengah

Perkembangan kawasan perkotaan di Kabupaten Sleman meningkatkan kebutuhan lahan untuk pembangunan perumahan. Namun, tidak seluruh wilayah memiliki karakteristik yang sesuai dan dapat dikembangkan karena dipengaruhi oleh kondisi fisik, aksesibilitas, serta faktor pembatas. Penelitian ini bertujuan menganalisis kesesuaian dan ketersediaan lahan untuk pembangunan perumahan di Kawasan Sleman Barat, Sleman Tengah, dan Sleman Timur. Analisis dilakukan menggunakan pendekatan Spatial Multi-Criteria Analysis melalui Euclidean Distance, Fuzzy Membership, dan Weighted Sum. Faktor yang digunakan meliputi kemiringan lereng, aksesibilitas terhadap jalan utama, rumah sakit, puskesmas, pasar, dan sekolah. Setiap faktor distandardisasi ke dalam rentang 0–1 menggunakan Fuzzy Membership dan dikombinasikan berdasarkan bobot melalui Weighted Linear Combination. Hasil kesesuaian kemudian dikombinasikan dengan constraint berdasarkan penggunaan lahan, ketentuan tata ruang, dan batasan fisik untuk mengidentifikasi lahan yang berpotensi tersedia untuk pembangunan perumahan. Hasil penelitian menunjukkan bahwa tingkat kesesuaian lahan bervariasi antarwilayah. Kawasan Sleman Tengah memiliki luasan lahan dengan tingkat kesesuaian sangat sesuai paling besar, sedangkan kategori cukup sesuai hingga tidak sesuai lebih banyak ditemukan di Kawasan Sleman Timur. Setelah penerapan constraint, luas lahan tersedia lebih kecil dibandingkan lahan yang sesuai. Potensi lahan tersedia terbesar terdapat di Kawasan Sleman Tengah sebesar 5.975,34 ha, diikuti Sleman Barat sebesar 2.041,48 ha dan Sleman Timur sebesar 1.409,45 ha.

17 min read

•

485 view

1 Projects

Evaluasi Jangkauan Distribusi dan Penentuan Lokasi Gudang Optimal Berbasis Aksesibilitas, Permintaan, dan Validasi Tata Ruang di Kota Surabaya

City Planning

06 Apr 2026

•

Isnaini Nur Adhima MAPID TEAM

Evaluasi Jangkauan Distribusi dan Penentuan Lokasi Gudang Optimal Berbasis Aksesibilitas, Permintaan, dan Validasi Tata Ruang di Kota Surabaya

Di tengah tingginya aktivitas ekonomi Kota Surabaya, tidak semua wilayah mendapatkan akses distribusi yang sama. Analisis ini berangkat dari pertanyaan sederhana: apakah gudang yang ada saat ini sudah benar-benar menjangkau kebutuhan kota? Dengan membandingkan jangkauan berbasis waktu tempuh (isochrone) dan jarak (radius), terlihat bahwa realitas di lapangan tidak selalu seideal perhitungan jarak—kemacetan dan jaringan jalan membentuk pola distribusi yang berbeda. Ketika hasil ini dihadapkan dengan sebaran 26 titik aktivitas ekonomi (POI), muncul area-area yang secara nyata belum terlayani. Dari celah tersebut, diusulkan tiga kandidat lokasi gudang baru. Namun, tidak berhenti pada akses dan permintaan, setiap lokasi diuji kembali melalui kondisi lahan, karakter wilayah, serta kesesuaian tata ruang menggunakan site analysis (SINI) dan RDTR Online. Hasilnya mengerucut pada dua lokasi paling potensial (titik gudang baru A dan B), yang tidak hanya berada dekat dengan kebutuhan, tetapi juga aman dan layak dikembangkan. Analisis ini menunjukkan bahwa keputusan lokasi tidak cukup hanya “dekat”, tetapi harus mempertimbangkan bagaimana kota benar-benar bekerja—dari pergerakan, aktivitas, hingga aturan ruang yang membentuknya.

6 min read

•

1905 view

1 Projects

Terms and Conditions
Introductions
  • MAPID is a platform that provides Geographic Information System (GIS) services for managing, visualizing, and analyzing geospatial data.
  • This platform is owned and operated by PT Multi Areal Planing Indonesia, located at