Anda di halaman 1dari 7

Globë Volume 12 No.

1 Juni 2010: 82 - 88

PETA SKALA BESAR (BATAS RW) DAN MANFAATNYA :


STUDI KASUS DI DKI JAKARTA

(The Usages of Big Scale Mapping (RW Boundaries):


Case Study in Jakarta Province
Oleh/By :
1 2
Adi Wibowo dan Bambang Wahyu Sudarmadji
1
Pengajar dan Peneliti Dept. Geografi FMIPA Universitas Indonesia
2
Peneliti pada Pusat Pelayanan Jasa dan Informasi BAKOSURTANAL
Jln Raya Jakarta – Bogor Km 46 Cibinong 16911
Email: adi.w@ui.ac.id,dan egol_egol@yahoo.com

Diterima (received): 04 April 2010; Disetujui untuk dipublikasikan (accepted): 05 Juni 2010

ABSTRAK

Permasalahan di Indonesia hingga hari ini adalah bahwa batas administrasi kelurahan
sudah ada, tetapi batas administrasi Rukun Warga/Rukun Tetangga (RW/RT) belum ada.
Pemda DKI sudah memiliki peta skala besar (1:1.000) untuk membuat peta batas
administrasi RW. Pemetaan skala besar (Batas RW) bermanfaat untuk akurasi informasi
data kejadian penyakit demam berdarah atau penyakit lainnya, sehingga menghilangkan
bias informasi karena menggunakan peta batas kelurahan. Manfaat lainnya adalah untuk
akurasi manajemen alamat pelanggan, misalnya pelanggan PDAM, memudahkan verifikasi
data pelanggan dengan peta sekala besar terutama yang hanya mencantumkan alamat
RT/RW, tanpa menyebutkan nama jalan dan nomor rumah.

Kata Kunci: Peta Skala Besar, Batas RW, Verifikasi, Akurat

ABSTRACT

A problem in Indonesia is the fact that village boundaries are already available, but the
RW/RT boundaries (RT consists of several households, while RW consists of several RTs)
are still not done until nowadays. Government of DKI Jakarta already has big scale maps
(1:1.000) for delineating boundary of RW administration. Big Scale Mapping (RW Boundary)
can help produce more precise data, such as dengue fever or other contagious diseases, in
order to prevent bias information when using village boundaries. Another usage of the big
scale mapping is to better manage customer addresses, for example PDAM (clean water
provider) customers, so that it would be easier to find where the address of the customers
are, especially when the customers did not mention street name and house number, but
only mentioned RT/RW address.

Key words: Big Scale Mapping, RW Boundaries, Verified, Accurate

PENDAHULUAN kan belum lengkapnya data spasial (peta)


dan skala peta yang ada belum tersedia
Permasalahan yang ada di Indonesia dalam skala besar (detail). Saat ini baru
adalah tidak akuratnya hasil analisis tersedia peta administrasi dengan akurasi
dengan fakta di lapangan (terutama data data pulau hingga provinsi. Untuk data
untuk analisis spasial). Hal ini dikarena-

82
Peta Skala Besar (Batas RW) dan Manfaatnya...................................................(Wiboso, A. dan Sudarmadji, BW.)

peta kabupaten skala 1:100.000 - METODE


1:50.000 masih dalam proses.
Untuk skala peta setara kecamatan- Tulisan ini ditujukan untuk menjawab
kelurahan yakni berkisar skala 1:25.000 – pertanyaan tentang manfaat peta skala
1:15.000 sudah tersedia untuk provinsi di besar (batas RW) dengan cara
Pulau Jawa-Madura, Bali, Nusa Teng- mendeskripsikan konsep ideal, kemudian
gara dan Maluku saja. Peta dengan skala proses pembuatan peta batas RW dan
1:10.000 – 1:5.000 saat ini baru selesai terakhir adalah pengungkapan fakta yang
adalah Kota dan Kabupaten Bogor produk ada sebagai pembanding atau penguat
BAKOSURTANAL. Beberapa kota di manfaat dari peta skala besar.
Indonesia juga telah membuat peta kerja
skala kota yakni peta dengan skala Konsep Ideal
1:5.000 – 1:1.000 diantaranya adalah kota
besar di Indonesia yakni DKI Jakarta, Secara konsep ideal dari pemikiran
Bandung, Semarang, Yogya, Surabaya, adalah sebagai berikut: manusia tinggal di
Bekasi, Tangerang, Samarinda, bangunan rumah, sekumpulan bangunan
Mojokerto, Padang, Maumere dan Depok. rumah menjadi blok bangunan rumah,
Kota-kota tersebut di atas juga sudah beberapa blok bangunan rumah menjadi
mulai merevisi batas administrasi terkecil satu kesatuan RT. Sekumpulan RT akan
yakni batas-batas kelurahan yang ada, bergabung menjadi satu RW. Sekum-
dengan pemetaan ulang dan sudah pulan RW akan bersatu menjadi satu
membuat patok batas kelurahan/desa di kelurahan/desa dan sekumpulan kelurah-
beberapa tempat, terutama tiap-tiap batas an/desa akan menjadi satu kecamatan
pertemuan antar kelurahan. Hal yang dan sekumpulan kecamatan akan menjadi
perlu dicermati adalah belum adanya satu kabupaten atau kota (Gambar 1).
kesadaran dari pemerintah daerah untuk Jika konsep tersebut diterapkan di
mulai menata batas administrasi Rukun Indonesia maka konsep itu dalam hal peta
Warga (RW) dan RT (Rukun Tetangga). batas administrasi akan terbalik, yakni
Pemetaan skala besar dengan Area batas administrasi kabupaten dibuat
yang Kecil (Small Area Maping) memer- terlebih dulu, kemudian ditentukan batas-
lukan suatu aturan tentang batasan admi- batas administrasi kecamatan dan
nistrasi itu tersendiri, misalnya berapakah terakhir ditentukan batas administrasi
luas wilayah kerja masing-masing daerah kelurahan (Gambar 2).
administrasi RW dan administrasi RT.
Sebagai contoh ada peraturan di DKI Proses Pembuatan Batas RW
Jakarta bahwa jumlah warga yang harus
dikelola dalam satu wilayah kerja sebuah Proses pembuatan batas RW berda-
RT sebanyak + 50 Kepala Keluarga (KK), sarkan teori maka proses dimulai dengan
jadi peraturan yang dapat diterapkan data citra kemudian didapat data bangun-
misalnya satu wilayah kerja RW an, dari bangunan permukiman dipetakan.
maksimum membawahi 10 RT. Dengan Hasilnya kemudian disurvei ke masing-
demikian tanggung jawab wilayah kerja masing RT dan RW yang ada untuk
sebuah RW adalah mengelola/membantu mendapatkan akurasi dari peta batas
sejumlah 10 wilayah administrasi RT (10 x administrasinya. Faktanya saat ini, khu-
50 KK) atau sama dengan jumlah 500 KK. susnya yang ada di Provinsi DKI Jakarta
Kajian ini dimaksdudkan untuk : yang sudah dikerjakan.(Gambar 3).
1. Mengetahui penggunaan peta skala Nilai positifnya adalah Provinsi DKI
besar (detail) sebagai sumber data, Jakarta sudah memiliki batas administrasi
2. Mengetahui manfaat dari pemetaan RW, meskipun masih perlu diverifikasi di
skala besar (batas RW). lapangan, agar akurasi dari batas RW
tersebut dapat dipertanggungjawabkan.

83
Globë Volume 12 No.1 Juni 2010: 82 - 88

Rumah di Blok Blok Rumah di RT RT di dalam RW RW dalam Kel Kel dalam Kec

KAB/KOTA A KEC dalam KAB A KEL dalam KAB A

Gambar 1. Proses ideal penentuan batas administrasi

KAB/KOTA A KEC di KAB A KEL di KAB A

Gambar 2. Proses yang ada di Indonesia untuk penentuan batas administrasi

REALITA

CITRA SURVEY BATAS


BANGUNAN
DETAIL KE RT dan RW&RT
RW

BATAS BATAS BATAS BATAS


KRITERIA BATAS
RW RT BLOK BANGUNAN
KELURAHAN

TEORI

REALITA
Gambar 3. Proses Pembuatan Peta RW
Manfaat

84
Peta Skala Besar (Batas RW) dan Manfaatnya...................................................(Wiboso, A. dan Sudarmadji, BW.)

Pemetaan skala besar (detail) mampu menjadi 64 (8x8) bagian yang sama baik
memberikan data lebih lengkap. Untuk lintang maupun bujurnya (sepanjang 10
dapat memberikan penjelasan yang lebih km). Tertiary Frame berdasarkan Secon-
baik, maka diambil beberapa studi kasus dary Area yang dibagi rata menjadi 100
yang sudah ada pada pembahasan bagian (10x10) sama panjang lintang dan
berikut ini. bujurnya (sepanjang 1 km). Quarternary
Frame berdasarkan pembagian Tertiary
HASIL Frame dibagi rata menjadi 4 bagian (2x2)
sama panjang lintang dan bujurnya
Contoh di Jepang : Cencus Mapping (sepanjang 500 m). Data statistik yang
System (CMS) from Small Area dapat dihasilkan dari metode grid ini
Statistic memudahkan untuk menghitung jumlah
penduduk dan rumah tangga, sensus
Jepang adalah salah satu negara di berkala atau sensus untuk data tertentu
Asia yang cukup banyak melakukan kerja yang dibutuhkan seperti sensus perta-
sama dengan pemerintah Indonesia. nian, sensus perekonomian, sensus per-
Pemerintah Jepang tahun 2002 melalui dagangan dan industri. Data grid sistem
Japan International Cooperation Agency ini juga bisa digunakan untuk memantau
(JICA) dan Statistical Information Institute data pertanahan.
for Consulting and Analysis (Sinfonica) Tahun 1990 di Jepang mulai diguna-
melakukan sosialisasi progam yakni Small kan metode Small Area Statistic berdasar-
Area Statistics (Pemetaan Statistik Area kan Cencus Mapping System (CMS)
Kecil). Jepang memiliki tingkatan wilayah yakni Cho dan Aza Statistik, Enumeration
administrasi yang hampir mirip dengan District (ED) Statistic serta Basic Unit
administrasi di Indonesia yakni Prefecture Block Statistic.
(setingkat Provinsi), Regency (setingkat
Kabupaten), Muncipality (Shi, Ku, Machi Kondisi Peta Sekala Besar di Indonesia
dan Mura, setingkat Kota/Kecamatan)
serta Major Metropolitan Area (setingkat Salah satu keunggulan teknologi saat
Kota Besar). ini adalah adanya kemampuan citra satelit
Sejak tahun 1960 Jepang telah mela- untuk mendata kenampakan bangunan
kukan pemetaan statistik dengan sistem yang ada di suatu wilayah sehingga
Densely Inhabited District (DID) yakni berapa jumlah bangunannya bisa dihitung
pemetaan untuk statistik dengan syarat dengan mudah. Penghitungan ini dengan
bangunan di kota sejumlah 5.000 unit sangat mudah terutama untuk bangunan
atau lebih dan disatukan ke dalam sebuah yang ada di daerah yang teratur. Hal
pemerintahan. Tahun 1970 Jepang mulai yang mudah ini akan menjadi sulit dikerja-
dengan sistem Grid Square Statistic kan apabila menghitung jumlah bangunan
dengan metode Primary, Secondary, dan yang ada di daerah tidak teratur. Hal ini
Tertiary Frame (Basic Grid Square) serta disebabkan banyak bangunan yang
Quaternary Frame (Divided Grid Square). tampak dari citra hanyalah satu atap saja
Metode grid system ini bisa didasarkan tetapi fakta di lapangan ternyata terdiri
atas kerapatan rumah dalam satu grid dari rumah kontrakan dengan tujuh
dengan batas administrasi terkecil adalah pintu/kontrakan. Hal ini membuktikan
(RW/RT) atau titik berat dari wilayah bahwa data hasil citra harus tetap disurvei
administrasi terkecilnya. agar mendapatkan data yang akurat,
Primary Frame memiliki bentuk yakni apakah bangunan tunggal atau
0
berdasarkan 1 (1 derajat) garis bujur dan bangunan majemuk dalam satu atap.
40’ (40 menit) garis lintang dengan pan- Saat ini Direktorat Pajak Bumi dan
jang + 80 km, Secondary Frame berda- Bangunan sudah mulai memanfaatkan
sarkan pembagian dari Primary Frame satu nomor identitas untuk satu bangunan

85
Globë Volume 12 No.1 Juni 2010: 82 - 88

sebagai obyek pajak. Data bangunan ini penggunaannya. Kondisi ini baru menim-
didapat dengan bantuan citra satelit bulkan masalah jika data pelanggan mulai
sehingga memudahkan mendata obyek dibenahi terutama untuk menentukan
pajak di lapangan. Keunggulan data yang golongan tarif penggunaan air yang
didapat dari citra ini juga digunakan untuk berbeda antara golongan satu dengan
banyak hal antara lain pemetaan petak yang lain, atau telah terjadi gangguan
sawah, bangunan dan persil tanah, misalnya penanggulangan kebocoran
jaringan jalan dan sungai serta pemetaan jaringan instalasi air minum.
untuk pelanggan, seperti telekomunikasi Contoh kasus pelanggan perusahaan
(Telkom), perusahaan listrik negara air minum di Jakarta misalnya, memper-
(PLN), perusaan air minum (PAM) dan lihatkan bahwa banyak sekali data
instalasi pengelolaan air limbah (IPAL). pelanggan yang kelengkapan data ala-
Hanya saja belum banyak daerah (selain matnya sangat minim dan penulisan
DKI Jakarta) yang sudah memanfaatkan alamat yang tidak seragam. Misalnya ada
data dari citra tersebut untuk membuat data alamat Komplek AL 78A RT 005/08
peta batas administrasi RW. Pasar Minggu, Jl. Teluk Sampit 78B RT
005/08, No 79 Rawa Bambu RT 06/08
Manfaat Peta Skala Besar di Jakarta Pasar Minggu. Sekilas data ini mem-
bingungkan karena ada nomor rumah
Pelanggan PDAM berurutan tetapi keterangan yang lain
terdapat perbedaan lokasi. Setelah diteliti
Pelanggan sering kali tidak memasuk- ternyata memang rumah ini berada di
kan data yang akurat terhadap domisili daerah perbatasan, yang dua rumah
atau tempat tinggal dimana instalasi berada di dalam Komplek AL, sedangkan
meteran air terpasang. Hal ini bisa terjadi yang satu rumah berada di luar komplek.
dikarenakan petugas pemasang instalasi Jika melihat contoh kasus ini maka
tahu persis dimana lokasi calon pelang- dengan bantuan data RW dapat
gan, sehingga dalam pengisian data dipersempit radius lokasi pencarian
pelanggan seolah diabaikan. Pelaksa- alamat tersebut, sehingga penempuan
naan instalasi berlangsung, setelah alamat lokasi pelanggan lebih akurat.
dipasang dan air bisa digunakan, maka Gambar 4 memperlihatkan sebaran
bulan berikutnya pelanggan sudah pelanggan yang ada tanpa batas RW,
membayar sesuai air yang digunakan sedangkan Gambar 5 memperlihatkan
bulan lalu. pelanggan yang telah dibatasi hanya di
Kedua adalah adanya target pema- RW 04 saja. Gambaran yang dapat
sangan dari perusahaan sehingga ada dijelaskan dari ilustrasi ini adalah data
instalasi meter air yang disebut sebagai lokasi pelanggan yang di dalam data
pemasangan massal, sehinga data atributnya terdapat informasi mengenai
pelanggan seolah diabaikan. Pemasang- data RW dan RT, maka lokasi dari
an massal instalasi meter air di pelanggan pelanggan tersebut dengan mudah
akan terpasang sesuai nama dan lokasi dideteksi keberadaannya. Jika ada lokasi
pelanggan, sehingga setelah satu bulan pelanggan tersebut yang belum terdapat
berjalan pemakaian maka pelanggan bisa data RW maka dengan menggunakan
membayar sesuai pemakaiannya. Kedua peta batas RW, masing-masing pelang-
contoh di atas mengambarkan bagaimana gan dapat ditambahkan data RW,
cara pemasangan instalasi meter air sehingga data atributnya lengkap dan
untuk pelanggan baru, dan belum menjadi seragam secara informasi kelengkapan
perhatian yang serius bagi perusahaan data.
selama konsumen membayar sesuai

86
Peta Skala Besar (Batas RW) dan Manfaatnya...................................................(Wiboso, A. dan Sudarmadji, BW.)

Gambar 4. Persebaran Pelanggan PAM Gambar 5. Persebaran Pelanggan PAM


tanpa batas RW dengan batas RW

Pemetaan Penderita Penyakit semua RW kasusnya masuk kategori


tinggi tetapi terbagi menjadi 3 kategori
Contoh kasus kedua adalah data yakni sedang, tinggi, dan tinggi sekali. Hal
persebaran jumlah penderita terkena ini menunjukkan bahwa ada perbedaan
penyakit di Jakarta Tahun 2007 yakni informasi yang disajikan secara spasial,
antara Bulan Januari–Mei 2007. Gambar sehingga analisis tentunya akan berbeda
6 menjelaskan sebaran jumlah penderita jika mengunakan data/peta RW dan
penyakit dengan data input adalah jumlah data/peta kelurahan.
kasus/penderita di tiap RW, sedangkan Kasus ini dalam pengambilan kepu-
Gambar 7 kasus yang sama dengan input tusan bisa menimbulkan informasi yang
data berdasarkan jumlah kasus/penderita bias, sehingga yang harusnya tidak
satu kelurahan. Pada Gambar 6 dan termasuk dalam kategori tinggi dimasuk-
Gambar 7, terlihat lingkaran hitam pada kan kategori kasus tinggi atau sebaliknya
kelurahan yang sama, terlihat jelas bahwa yang harusnya kasus tinggi karena masuk
data tingkat kelurahan kasus penyakit dalam satu data kelurahan informasinya
masuk kategori kasus kelas tinggi menjadi rendah.
(Gambar 7) sebaliknya jika data tersebut Berdasarkan uraian tersebut di atas,
disajikan dalam peta batas administrasi maka dapat diketahui detail informasi
RW (Gambar 6), sebaran data terlihat yang berbeda jika menggunakan data
terdapat perbedaan tingkat kasus yang batas administrasi yang berbeda pula.
terjadi di kelurahan tersebut, yaitu tidak

87
Globë Volume 12 No.1 Juni 2010: 82 - 88

Gambar 6. Persebaran Kasus Penyakit Gambar 7. Persebaran Kasus Penyakit


berdasarkan data RW berdasarkan data Kelurahan

KESIMPULAN Wilayah IV di Sorong Papua, Dep. PU,


Jakarta,
1. Pemetaan Skala Besar (Batas RW)
sebagai sumber data telah digunakan Anonim. 2007. Pemetaan Pelanggan
di Jepang dan juga di Indonesia. PAM DKI Jakarta. FMIPA Universitas
2. Pemetaan Area Kecil (RW/RT) sangat Indonesia dan PALYJA. Kota Depok.
diperlukan karena manfaatnya sangat Jawa Barat
jelas dalam informasi spasial.
3. Manfaat dari peta sekala besar : Djoko H & Adi W. 2010. Aplikasi Sistem
a) Data yang akurat dan presisi sesuai Informasi Geografis untuk Perbatasan.
dengan fakta di lapangan. Seminar Hari Ulang Tahun Topografi
b) Menghindari data bias akibat skala Angkatan Darat. Topografi AD. Jakarta
yang general atau informasi yang
seragam. Djoko H & Adi W. 2006. Sistem Informasi
Geografis. Workshop Badan Meteo-
SARAN rologi dan Geofisika di Bogor. BMG.
Jakarta
Perlu dibuat aturan tentang batasan
untuk wilayah adminitrasi RW dan RT di Sandy, I.M. 1996. Geografi Regonal
Indonesia. Indonesia. Jurusan Geografi
FMIPA UI. Depok. Jawa Barat.
DAFTAR PUSTAKA
Supriatna. 2001. Dasar-Dasar Sistem
Adi W. 2006. Pembangunan Basis Data Informasi Geografis (SIG). Depar-
SIG. Seminar Apresiasi Teknik temen Geografi FMIPA UI.
Analisis Penyusunan RTRW di Depok. Jawa Barat.

88