Find Your Dream Home: Identifikasi Lokasi Baru untuk Membangun Hunian Baru

Latar Belakang

Memiliki hunian pribadi merupakan impian hampir tiap individu. Karena dengan memiliki hunian pribadi, besar kemungkinan akan membantu mengurangi beban finansial (seperti biaya sewa hunian) bagi yang memilikinya. Tak heran, memilih untuk menyicil dalam membeli atau membuat hunian merupakan keputusan yang banyak dipilih karena selain untuk memenuhi kebutuhan primer, juga sebagai aset bagi pemiliknya. Terlebih lagi dengan pertumbuhan penduduk yang signifikan meningkat dari waktu ke waktu menyebabkan permintaan terhadap lahan tempat tinggal menjadi semakin tinggi.

Pertumbuhan penduduk yang cukup tinggi tidak sebanding dengan jumlah lahan yang dapat ditinggali. Akhirnya dengan persaingan dalam kepemilikan lahan tempat tinggal, tercipta kawasan padat penduduk yang kemudian menimbulkan kawasan kumuh (slum area). Kondisi ini mempersulit pencari lahan tempat tinggal untuk menemukan lokasi yang ideal untuk membangun hunian. Ideal yang dimaksud adalah lokasi tersebut memiliki aksesibilitas yang baik terhadap fasilitas umum seperti pendidikan, lembaga keamanan, kesehatan, transportasi, tempat hiburan, hingga pusat perbelanjaan. Mengapa hal-hal tersebut menjadi penting adalah meski secara harfiah kita memiliki hunian, namun bila tidak memerhatikan banyak aspek yang secara langsung maupun tidak dapat memengaruhi produktivitas bahkan psikologi kita yang memilikinya, akan menciptakan suasana tidak nyaman dan hunian yang kita miliki serasa bukan hunian yang kita inginkan.

Menemukan lokasi yang sesuai untuk membangun hunian baru bukanlah sesuatu yang mudah. Dibutuhkan rencana dasar hingga rencana detil dalam pelaksanaannya. Terlebih jika ingin menemukan lokasi yang selain aksesibilitas yang mudah, juga harus memerhatikan aspek keamanan dan tentunya tidak menyalahi rencana tata ruang yang telah ditetapkan. Dengan adanya banyak aspek yang harus perhatikan, itu, penelitian tentang "Find Your Dream Home: Identifikasi Lokasi Baru untuk Membangun Hunian Baru" yang mengambil lokasi studi Kota Jambi ini akan berguna untuk menjawab bagaimana menemukan lokasi ideal untuk membangun hunian baru dari sudut pandang spasial.

Tujuan Penelitian

Penelitian ini memiliki tiga tujuan, yaitu:

1. 1.
   Identifikasi Lokasi yang Sesuai untuk Pembangunan Hunian (Suitability for Housing);

1. 2.
   Analisis dan Visualisasi Tingkat Kesesuaian Lokasi untuk Pembangunan Hunian Baru (Level of Suitability); dan

1. 3.
   Penyediaan Parameter Opsional untuk Penyesuaian Keinginan Pengguna data (Adjusting the Prospective Owner Needs).

Deskripsi Lokasi Penelitian

Data

Terdapat beberapa data yang digunakan dalam penelitian ini secara garis besar sesuai dengan kriteria yang diperhatikan, yaitu Ekologi dan Lingkungan, Fisik, Ekonomi, Sosial, Struktural, dan Aksesibilitas. Daftar sub-kriteria dapat dilihat pada tabel berikut.

Metode Penelitian

Metode yang digunakan dalam penelitian ini terbagi berdasarkan tujuan penelitian ini (3 bagian) dengan penjabaran sebagai berikut.

1. Suitability for Housing

• Elimination and Choice Translation Reality (ELECTRE)

Metode ini merujuk pada Janko dan Bernoider (2005) berdasarkan  pada  konsep outranking dengan menggunakan perbandingan berpasangan dari alternatif-alternatif berdasarkan setiap kriteria  yang  sesuai.  Metode ELECTRE digunakan pada  kondisi dimana alternatif yang kurangsesuai dengan kriteria dieliminasi,  dan alternatif yang sesuai dapat dihasilkan.  Dengan  kata  lain, ELECTRE digunakan untuk kasus-kasus dengan banyak alternatif namun hanya sedikit kriteria yang dilibatkan.

2. Level of Suitability

• Network Service Area

Network Service Area adalah wilayah yang mencakup semua jalan yang dapat diakses (yaitu, jalan yang berada dalam impedansi tertentu). Analisis ini memiliki beberapa opsi, yaitu analisis menggunakan jarak tempuh, atau waktu tempuh berdasarkan transportasi yang digunakan (seperti berjalan, mobil, bus, atau truk). Misalnya, area layanan 5 menit untuk suatu titik di jaringan mencakup semua jalan yang dapat dicapai dalam waktu lima menit dari titik tersebut.

Analisis ini digunakan untuk mengetahui aksesibilitas lahan terhadap fasilitas umum, sehingga semakin dekat dengan fasilitas umum, maka lahan tersebut akan semakin ideal berdasarkan parameter ini.

• Euclidean Distance Analysis

Dalam geometri koordinat, Euclidean Distance didefinisikan sebagai jarak antara dua titik. Untuk mencari jarak antara dua titik, panjang ruas garis yang menghubungkan kedua titik tersebut harus diukur. Dalam matematika, dapat disederhanakan dalam persamaan berikut.

Dalam GIS, output raster Euclidean Distance berisi jarak terukur dari setiap sel ke sumber terdekat. Jarak diukur saat gagak terbang (Euclidean Distance) dalam unit proyeksi raster, seperti kaki (ft) atau meter (m), dan dihitung dari pusat sel ke pusat sel.

• Multi-Criteria Decision Analysis

Metode ini digunakan untuk membuat keputusan ketika beberapa kriteria (atau tujuan) perlu dipertimbangkan bersama untuk menentukan peringkat atau memilih antara alternatif.

Seluruh kriteria yang memiliki bobot berdasarkan waktu yang dibutuhkan untuk mengaksesnya tersebut yang akan dianalisis dengan metode ini.

3. Adjusting the Prospective Owner Needs

• Kernel Density

Secara sederhana, Kernel Density adalah Analisa yang menghitung kepadatan fitur dilingkungan sekitarnya. Metode ini digunakan untuk memodelkan kepadatan bangunan di Kota Jambi dengan tujuan sebagai acuan bagi pengguna data nantinya.

Alur Penelitian

Proses pengerjaan terbagi menjadi 3 bagian besar yang sesuai dengan jumlah tujuan, dan dapat dilihat pada diagram alir berikut.

Hasil Penelitian

A. Identifikasi Lokasi yang Sesuai untuk Pembangunan Hunian Baru (Suitability for Housing)

Identifikasi lokasi yang sesuai untuk Pembangunan Hunian Baru di Kota Jambi mengacu kepada dua data dasar, yaitu Zona Fungsi Kawasan dan Penggunaan Lahan.

1. Zona Fungsi Kawasan

Zona fungsi kawasan dibentuk dari beberapa data seperti curah hujan, lereng, jenis tanah, kawasan lindung setempat, zona industri, RTH, RTNH, transportasi, bandara, perkantoran, hingga permukiman. Data penyusun yang digunakan untuk zona fungsi kawasan Kota Jambi ini berdasarkan data dari BPN Kota Jambi yang diperuntukkan dalam penyusunan Rencana Detail Tata Ruang (RDTR), sehingga lebih detail dan memiliki banyak parameter.

Untuk kepentingan analisis lebih lanjut, fungsi kawasan yang digunakan hanya kawasan permukiman (berdasarkan logika metode ELECTRE). Agar tidak mengganggu zona fungsi kawasan lainnya. Dengan demikian luas lahan yang dapat digunakan berdasarkan fungsi kawasan adalah 8.799 Ha. Layer yang digunakan (fungsi kawasan permukiman) dapat divisualisasikan pada peta berikut.

2. Penggunaan Lahan

Data penggunaan lahan didapat dengan interpretasi citra WorldView-4 tahun 2020 yang dibantu Badan Pertanahan Nasional Kota Jambi dengan 18 klasifikasi penggunaan lahan yang dapat dilihat pada peta berikut.

Dari 18 kelas penggunaan lahan yang ada, tidak semuanya akan digunakan. Penggunaan lahan yang akan digunakan adalah tanah kosong dan semak belukar. Karena dua kelas penggunaan lahan ini yang secara harfiah dapat dibangun hunian baru, sesuai dengan tujuan penelitian ini. Sehingga luas lahan yang dapat digunakan adalah 1.950 Ha untuk belukar dan 1.451 Ha untuk tanah kosong.

3. Lahan yang Sesuai untuk Hunian Baru

Hasil dari fungsi kawasan dan penggunaan lahan pada poin 1 dan 2 dianalisis dengan intersect sehingga dapat irisan antara lahan yang sesuai berdasarkan penggunaan lahan dan berdasarkan zona fungsi kawasan. Hasil dari intersect dapat dilihat dalam visualisasi berikut.

Luas hasil intersect ini adalah 3347,51 Ha. Ini menunjukkan hampir semua tanah kosong dan semak belukar yang ada (3.401 Ha) sesuai untuk pembangunan hunian baru.

B. Level of Suitability

1. Network Service Analysis

Analisis ini digunakan pada 8 grup POI (Point of Interest) yaitu bandara, pusat perbelanjaan, pusat kesehatan, kantor polisi (keamanan), sekolah dasar, sekolah menengah pertama, sekolah menegah atas, dan POI lainnya (taman, pusat administrasi, perguruan tinggi, terminal bus, hingga retail). Tiap POI memiliki waktu tempuh toleransi minimal yang berbeda-beda dan tentunya waktu tempuh tertentu akan memengaruhi idealitas lahan untuk hunian (Mohsen Dadras, 2017). Waktu tempuh umumnya dibagi pada interval 5 menit dengan menggunakan kendaraan mobil pribadi yang dirincikan sebagai berikut.

• Bandara, Pusat Kesehatan, Pusat Perbelanjaan, Polisi (keamanan): 7 class; 5 minute interval; start from minute 0.

• Fasilitas lainnya: 5 class; 5 minute interval; start from minute 0.

• Pendidikan: 3 class; 5 minute interval; start from minute 0.

Alasan mengapa pendidikan hanya terbagi menjadi tiga kelas adalah pada umumnya waktu efektif pelajar untuk sampai ke sekolah adalah maksimal 15 menit. Karena ada banyak pertimbangan, seperti bila terlalu jauh maka orang tua yang akan mengantar anaknya (pelajar) akan kesulitan dan biasanya mereka berangkat bersamaan dengan berangkat kerja orang tua mereka.

Untuk fasilitas lainnya memiliki kelas hingga 5 kelas merupakan fasilitas yang tidak terlalu penting, namun akan menjadi baik bila berdekatan dengan lahan hunian. Karena fasilitas ini meliputi tempat ibadah, retail, taman, dan sebagainya yang akan lebih baik bila dapat diakses dengan cepat oleh masyarakat.

Untuk fasilitas dengan tujuh kelas, alasan utamanya adalah bahwa fasilitas tersebut merupakan fasilitas ‘eksklusif’. Artinya, fasilitas tersebut ada yang hanya beberapa di satu lingkup administrasi tertentu (seperti kantor polisi), terpusat di suatu tempat tertentu (seperti pusat perbelanjaan dan rumah sakit), atau bahkan hanya ada satu di kota (seperti bandara). Sehingga nilai toleransi dalam waktu tempuhnya akan lebih besar dibanding fasilitas yang lain. Dengan demikian dapat divisualisasikan pada peta berikut.

2. Euclidean Distance

Euclidean Distance menggunakan input shapefile jaringan jalan Kota Jambi. Hasil dari Euclidean Distance dapat dilihat pada peta berikut.

3. Level of Suitability

Hasil dari Service Area dan Euclidean Distance kemudian diberi skor sesuai dengan tingkat kedekatannya. Penjabaran lengkap dari scoring dapat dilihat pada daftar berikut.

• Bandara, Pusat Kesehatan, Pusat Perbelanjaan, Polisi (keamanan): 7 kelas; skor tertinggi 7 dari yang terdekat.

• Fasilitas lainnya: 5 kelas; skor tertinggi 5 dari yang terdekat.

• Pendidikan: 3 kelas; skor tertinggi 3 dari yang terdekat.

• Euclidean Distance: Dibagi 4 kelas; skor tertinggi 4 dari yang terdekat.

dengan fitur Spatial Join. Dilakukan Dilakukan field calculate dan dibagi menjadi 7 kelas. Dengan nilai tertinggi adalah 36 dan nilai terendah 1, interval dari tiap kelas dapat ditemukan dengan persamaan berikut.

Dari peta tersebut dapat dilihat bahwa persebaran lahan yang memiliki level kesesuaian tinggi ada pada kawasan tengah dan dekat dengan sungai. Ini disebabkan karena pada kawasan tersebut merupakan kawasan pusat perkotaan (Central Business District) sehingga lahan di kawasan tersebut memiliki aksesibilitas lebih mudah dibanding pada kawasan pinggir kota. Namun, tidak semuanya berlaku demikian. Ada beberapa kawasan pinggir kota yang memiliki level yang tinggi karena didukung akses jalan yang baik dan tidak rumit.

C. Adjusti the Prospective Owner Needs

Pada bagian ini, peneliti memberikan beberapa data dan hasil analisis untuk bahan pertimbangan tambahan oleh pengguna data. Analisis yang peneliti lakukan untuk membantu pengguna data untuk menemukan lokasi ideal huniannya adalah kernel density. Kernel density sangat cocok digunakan bila ingin mengetahui tingkat kerapatan suatu fenomena di suatu wilayah. Dalam penelitian ini, titik bangunan dijadikan sebagai input pengolahan kernel density sehingga pengguna data dapat menyesuaikan data ketersediaan lahan dengan level tertentu dan juga kerapatan bangunan tertentu yang mereka inginkan.

Pada peta di atas, terlihat pada kawasan yang dekat dengan sungai Batanghari (selatan sungai) memiliki kerapatan yang tinggi. Ini disebabkan pada kawasan tersebut merupakan kawasan CBD (Central Business District) yang tentunya persebaran bangunan relatif mengelompok. Namun jika ingin memiliki hunian yang berada di kawasan yang tidak terlalu padat namun tetap ingin berada pada lahan dengan level kesesuaian yang tinggi, kawasan barat-barat daya bandara adalah pilihan yang tepat.

Untuk data pendukung, peneliti menyediakan data administrasi kelurahan yang lengkap dengan data kependudukan diperoleh dari platform MAPID dan WebGIS Dukcapil. Namun, jika hanya ditampilkan dalam bentuk peta cetak akan menyulitkan pengguna data untuk menemukan lokasi yang tepat sesuai dengan keinginan mereka.

Saran

Peneliti berharap akan ada kesempatan untuk meneliti lebih lanjut penggunaan metode yang bisa lebih kompleks dan akurat, seperti AHP, survey kepada masyarakat mengenai kriteria lokasi rumah yang diinginkan, dan kelengkapan penyajian data seperti opsi rute dari titik lahan potensial untuk hunian menuju fasilitas umum terdekat. Peneliti juga berharap MAPID akan memiliki fitur yang lebih lengkap lagi dalam opsi visualisasi layer sehingga lebih memanjakan user data.

Referensi:

• Chang DY. (1992). Extent analysis and synthetic deci-sion. Optimization Techniques and Applications, 1, 352-355.

• Dadras, M., Safarpour, S., Dehghani, M., & Dadras, M. (2017). Spatial modeling of site suitability assessment for apartments-based on the combined fuzzy MCDM approach. Journal of Research in Ecology, 5(1), 616-641.

• Harris CD. (2011). Condominium and the city: the rise ofproperty in Vancouver. Law and Social Inquiry, 36(3):694-726

• Ji Y. (2011). The exploration of industrialised house con-struction in China. Housing Industry, (6):7-12

• Palmas C, Abis E, Haaren CV and Lovett A. (2012).Renewables in residential development: an integrated GIS-based multicriteria approach for decentralized micro-renewable energy production in new settlement develop-ment: a case study of the eastern metropolitan area of Cagliari, Sardinia, Italy. Energy Sustainability Society, 2:10. doi:10.1186/2192-0567-2-10 (14)