URGEOS 2022 RTR Urban Modeling v15

Urbanesha Workshop Geospatial Technology
URGEOS2022: Teknik Analisis dan Pemodelan dalam Penyusunan Dokumen Tata Ruang
V.1.5
E-Workshop
URGEOS2022
Urban Geographic Exploration, Observation and Simulation Workshop Series
TEKNIK ANALISIS DAN PEMODELAN DALAM

PENYUSUNAN DOKUMEN TATA RUANG
Software : QGIS, Fragstat, LanduseSim XT, LENSOLVER, UrbanSCAD, ExpertSA, GraviGIS, LearnKNN,
UrbanRFA, UrbanPDE, UrbanGVI, Google Data Studio, TranetSim, Ecanmac
Level Pelatihan : Basic – Advance
Produk Rencana Tata Ruang adalah produk kebijakan yang memiliki dampak luas terutama masyarakat di
wilayah perencanaan, sehingga pendekatan pengambilan keputusan yang diambil harus berbasis data, objektif
dan dapat dipertanggungjawabkan secara sains. Disadari atau tidak, beberapa permasalahan perkotaan,
umumnya seperti kemacetan, banjir, konversi lahan pertanian dan konservasi, tidak selalu menjadi kelalaian
pemerintah daerah melainkan keterlibatan perencana dalam proses teknis perencanaan memiliki andil juga,
dimana seringkali tidak mampu mengantisipasi kemungkinan-kemungkinan yang akan terjadi dimasa depan.
Di era Data-science seperti saat ini, paradigma Data-Driven Decision-Making (DDDM) menjadi trend dalam
perumusan kebijakan didunia. Hal ini disertai juga semakin banyaknya bermunculan Open Data yang disediakan
oleh organisasi lokal maupun internasional. Dengan fakta tersebut diharapkan setiap proses penyusunan produk
kebijakan tidak terkecuali dokumen tata ruang, diharapkan berkorelasi positif terhadap peningkatan kualitas
proses penyusunannya. Pedoman-pedoman yang dikeluarkan oleh pemerintah di Indonesia dalam memberikan
guideline proses analisis yang diperlukan dalam penyusunan tata ruang, lebih sering terlambat mengikuti
perkembangan sains dan teknologi khususnya jika mengacu pada perberkembangan keilmuan di luar sana.
Walaupun begitu banyak metode-metode analisis yang masih sangat relevan untuk diadaptasi untuk digunakan
secara teknis dalam rangka proses penyusunan dokumen tata ruang di Indonesia (seperti RTRW, RDTR
Kabupaten/Kota, ataupun dokumen KLHS yang menemaninya). Namun permasalahan terhadap akses teknologi
yang mampu menjawab kebutuhan analisis kewilayahan menjadi kendala tersendiri.
Disadari tidak jarang juga akademisi mupun praktisi tata ruang hanya mengenal dua perangkat lunak populer
yang dapat mengolah data spasial berbasis Sistem Informasi Geografis, antara lain adalah QGIS (opensource)
dan ArcGIS (proprietary). Namun faktanya, banyak diluar sana tersedia software-software komersil yang
dikembangkan secara spesifik untuk kebutuhan teknis perencanaan wilayah dan kota yang relatif sangat mahal
sehingga tidak terjangkau oleh organisasi, konsultan, pemerintah, bahkan tidak terjangkau pula oleh universitas-
universitas di Indonesia.
Melalui workshop ini akan memberikan solusi terhadap beberapa permasalahan diatas, yaitu memberikan
software spesifik serta ketrampilan dalam mengolah data sesuai kebutuhan analisis yang menjadi muatan
dokumen tata ruang seperti RDTR maupun RTRW khususnya dengan pendekatan pemodelan spasial perkotaan
(urban spatial modeling) yang dikembangkan secara khusus untuk penyusunan dokumen rencana tata ruang.
Tujuan Pelatihan
Tujuan dari penyelenggaraan pelatihan ini adalah untuk meningkatkan skill analisis tata ruang dengan
pendekatan terukur, objektif berbasis data spasial, dan menggunakan teknologi khusus yang dikembangkan
sebagai solusi dalam menjawab tantangan teknis proses penyusunan dokumen tata ruang. Dengan demikian
diharapkan dapat berdampak meningkatnya kualitas produk dokumen tata ruang yang dihasilkan, khususnya
pada tahap pengolahan data (analisis) untuk pengambilan keputusan perencanaan. Selain itu, pelatihan ini
secara spesifik tidak hanya terbatas pada tata ruang sehingga relevan digunakan pula di berbagai kegiatan atau
studi seperti perencanaan transportasi, perencanaan fasilitas, pengembangan permukiman, rencana
E-Workshop URGEOS2022 | 1
insfrastruktur, pertanian, rencana pengembangan areal hutan, rencana mitigasi bencana, rencana pariwisata,
studi kelayakan, KLHS dan lainnya.
Target Peserta
Peserta yang bekerja di birokrasi pemerintah, akademis, peneliti, NGO dan profesional yang memiliki bidang
kerja terkait pengembang properti, real estate, perencanaan wilayah dan kota, perancangan kota, permukiman,
infrastrutktur, transportasi, lingkungan, geografi, pertanian, kehutanan, geologi, hidrologi, kesehatan masyarakat,
dan lain-lain yang terkait.
Rekomendasi persiapan peserta

Agar dapat memberikan evaluasi serta feedback terhadap kualitas analisis yang dilakukan selama workshop,
diharapkan peserta dapat membawa data sendiri, baik data riset atau project yang sedang atau pernah dilkukan.
Bagi rekan-rekan dari dinas yang menangani produk tata ruang, ada baiknya menggunakan data spasial dari
produk dokumen tata ruang yang sudah atau sedang dikerjakan.
Persyaratan dan Kebutuhan Peserta

• Peserta menggunakan laptop/komputer masing-masing dengan mengikuti spesifikasi yang dianjurkan
(lihat sub spesifikasi komputer)
• Peserta terkoneksi dengan internet selama pelatihan berlangsung
• Komputer peserta sudah terinstall sistem operasi Windows dengan sistem operasi 32 bit atau 64 bit.
Pengguna Mac dapat memanfaatkan Boot Camp (referensi :
https://www.youtube.com/watch?v=13MO2ikIvhs ) atau sejenisnya untuk menjalankan Windows,
dikarenakan aplikasi yang digunakan berbasis windows.
• Komputer peserta sudah terinstall QGIS 3.22 (Bagi yang belum memiliki dan menginstall dapat
menghubungi panitia).
Download QGIS : https://www.qgis.org/en/site/forusers/download.html
Jadwal agenda
Jadwal Umum Pelatihan Tanggal *
Pendaftaran calon peserta www.urbanesha.com/urgeos2022
Periode Pembayaran Early Bird : 10 Agustus 2022 – 31 Agustus 2022
Normal : 1 September 2022 – 20 September 2022
Registrasi Sistem Kelas Online dibuka 10 September 2022
Agenda Live Zoom (Materi) 21 September – 27 Oktober 2022
Agenda Live Zoom (Diskusi Tugas) 28 Oktober 2022 – 15 November 2022
Kelas Online ditutup (Perhitungan Jam 16 November 2022
Pembelajaran yang sudah ditempuh)
* Apabila terdapat perubahan akan diinformasikan kepada peserta pelatihan
Sistem Pembelajaran Unggul

Berbekal pengalaman, kami berupaya untuk menerapkan sistem pelatihan yang efektif dan efesien. Setidaknya
disetiap topik pelatihan yang tersedia, kami berusaha memberikan pembagian menjadi 3 sesi yaitu sesi seminar,
sesi praktikum dan sesi tugas mandiri. Dengan sistem seperti ini kami berharap peserta dapat dengan mudah
memahami pembelajaran dan memiliki kemampuan berkembang secara mandiri setelah mengikuti pelatihan ini.
Selain itu dengan dukungan sistem kelas yang telah kami kembangkan akan mempermudah peserta melakukan
pembelajaran mandiri baik saat pelaksanaan maupun pasca pelaksanaan kegiatan.
Sistem pelatihan
• Peserta bebas memilih materi yang ingin dipelajari atau dipilih (baik sedikit maupun semua) dengan
tetap memperhatikan jadwal yang diberikan. Namun pada saat penutupan kelas (lihat jadwal diatas)
akan dilakukan perhitungan jam pembelajaran yang telah ditempuh tiap peserta dan dituliskan dalam
sertifikat. Dengan mekanisme seperti ini, peserta dapat dengan fleksibel menyesuaikan pembelajaran
yang dibutuhkan.
• Mekanisme pelatihan dilakukan dengan menggunakan sistem online yang sudah disiapkan yaitu
Urbanesha Classroom (classroom.urbanesha.com), pengguna mengakses menggunakan browser.
Peserta harus melakukan login untuk setiap akan mengakses materi yang disediakan
• Terdapat tugas-tugas yang harus dikerjakan dan diupload kembali pada setiap topik yang diambil
peserta, dan akan diberikan penilaian terhadap tugas yang telah diselesaikan akan berpengaruh untuk
penerbitan sertifikat
• Dikarenakan menggunakan sistem online manajemen, peserta yang tidak dapat mengikuti live zoom
dari pemateri dapat melihat rekaman live zoom pada akun masing-masing, dan apabila ada pertanyaan
dapat dikomunikasikan via grup whatsapp
Sertifikat
Sertifikat yang akan diberikan adalah E-Sertifikat dengan jumlah jam pembelajaran (JPL) yang telah dilakukan.
Setiap sertifikat yang diterbitkan akan tersimpan permanen dalam repositori secara online, sehingga peserta
dapat mengunduh kembali jika dibutuhkan. Sertifikat berbasis request.
Biaya dan periode pendaftaran

Pembayaran pelatihan hanya dilakukan melalui mekanisme transfer dan bukti pembayaran dikirim ke
admin@urbanesha.com dan diinformasikan ke CS Urbanesha (Wiwik - 0821.4318.8838) untuk mendapat respon
segera. Info nomer rekening akan disampaikan kemudian via whatsapp kepada semua calon peserta beserta
petunjuk lainnya. Berikut dibawah ini adalah rincian biaya yang dibutuhkan pada periode saat ini:
Early Bird Period Normal Period

Kategori Peserta * **
15 – 31 Agustus 2022 1 – 20 September 2022
Mahasiswa S1 / S2 / Asisten Lab IDR 2.500.000 IDR 3.000.000
Akademisi / Mahasiswa S3 IDR 3.500.000 IDR 4.000.000
Profesional / Umum IDR 4.500.000 IDR 5.000.000
Note:
Untuk meringankan investasi, pembayaran dapat dilakukan bertahap (terdapat di form registrasi - detail kontak CS Wiwik) &
Mahasiswa melampirkan kartu mahasiswa/ keterangan lainnya pada saat mengirim bukti pembayaran
* Rewards diskon untuk Alumni URGEOS
Diskon khusus diberikan kepada Alumni URGEOS yang sudah bergabung di Urbanesha Circle hingga 100% dengan
menukarkan rewards tiket yang sudah dikumpulkan.
Menyebarkan Flyer URGEOS2022 di 3 platform sosial media yang berbeda (24 Jam), akan mendapatkan rewards diskon 10%
(+ 5% jika pendaftaran dilakukan minimal 2 orang, termasuk calon peserta yang mendaftar bersama).
** Rewards diskon untuk Umum
Menyebarkan Flyer URGEOS2022 di 3 platform sosial media yang berbeda (24 Jam), akan mendapatkan rewards diskon 10%
(+ 5% jika pendaftaran dilakukan minimal 2 orang, termasuk calon peserta yang mendaftar bersama).
Pilih 3 Plaftofm sosial media berikut: (1) WhatsApp status, (2) WhatsApp Grup, (3) LinkedIn post, (4) Facebook post, (5)
Facebook Grup, (6) Telegram Grup, (7) Instagram posting, (8) Instagram story (instastory), (9) TikTok, (10) Twitter post.
Screenshot postingan flyer di sosial media kirim via WA ke CS Urbanesha (Wiwik - 0821.4318.8838)
Flyer URGEOS2022 ada dihalaman terakhir.
Fasilitas
• Sebagai member Urbanesha, peserta akan mendapatkan banyak agenda-agenda ekslusif dan gratis setelah
periode pelatihan seperti webinar bulanan, diskusi, sharing – Lifelong Learning
• E-Sertifikat hanya diberikan kepada peserta yang telah menyelesaikan tugas-tugas pada topik yang dipilih oleh
tiap peserta berdasarkan request (permintaan)
• Semua peserta mendapatkan gratis software QGIS, LanduseSim XT, LENSOLVER, UrbanSCAD, ExpertSA,
GraviGIS, LearnKNN, UrbanRFA, UrbanPDE, UrbanGVI, Ecanmac
• Peserta menggunakan sistem pelatihan Urbanesha Classroom ( http://classroom.urbanesha.com ), sehingga
dapat melakukan pembelajaran secara real-time (live zoom) ataupun tidak. Hal ini bermanfaat apabila peserta
tidak dapat mengikuti secara live, maka rekaman zoom akan tersedia pada akun masing-masing untuk
dipelajari kemudian.
• Peserta terdaftar dalam Grup, sebagai wadah sharing permasalahan dan technical support
• Bimbingan mahasiswa yang sedang melaksanakan tugas akhir, tesis atau desertasi, dilakukan diluar jadwal
pelatihan
Spesifikasi Komputer yang digunakan

Adapun beberapa kebutuhan spesifikasi komputer ataupun laptop yang digunakan antara lain:
Spesifikasi minimal :
Koneksi internet 128Kbps
Windows 7 32 bit atau 64 bit
CPU Intel Celeron 2.0 GHz
Memory 2 GB
Hardisk 40 GB
VGA onboard
Spesifikasi optimal :
Koneksi internet 250Kbps
Windows 10 32 bit atau 64 bit
CPU Intel Core i3 1.5Ghz
Memory 2 GB
Hardisk 40 GB
VGA onboard
Beberapa penggunaan software simulasi atau iterasi seperti LanduseSim XT dan UrbanSCAD akan sangat
dipengaruhi oleh kecepatan processor pada komputer yang digunakan.
Materi pembelajaran
Adapun materi yang akan diberikan seputar analisis-analisis yang dibutuhkan dalam penyusunan Rencana Detail
Tata Ruang (RDTR) dan Rencana Tata Ruang Wilayah (RTRW) mengacu pada Permen ATR/BPN No. 11 2021.
Namun beberapa ditambahkan untuk menjawab persoalan sesuai perkembangan dilapangan yang sekiranya
dirasa penting untuk dianalisis, termasuk kaitannya dengan KLHS dan lainnya.
Struktur kewilayahan / pusat pelayanan

Diketahui bahwa analisis struktur pusat pelayanan yang saat ini lebih banyak berkutat pada kepadatan
penduduk, kepadatan bangunan, fasilitas. Namun disadari bahwa dengan analisis penduduk untuk mengetahui
zona dengan kepadatan tinggi mengindikasikan kepadatan bangunan serta fasilitas juga tinggi disuatu wilayah,
sehingga pada umumnya analisis menunjukkan struktur tidaklah berubah. Namun pada workshop kali ini,
memasukkan unsur perspektif jaringan transportasi, maka
(1) Untuk melakukan analisis struktur pusat pelayanan secara basic dapat dilakukan dengan melihat
konsentrasi penduduk perkotaan dengan melihat kepadatan penduduk yang mencerminkan seperti
banyaknya fasilitas terkonsentrasi serta kepadatan bangunan (seringkali divisualkan dengan kernel-
density analysis). Kepadatan penduduk memang cukup representative digunakan untuk mengetahui
struktur perkotaan, namun hal tersebut belumlah cukup untuk analisisnya. Perlu dilakukan evaluasi
terhadap beban struktur perkotaan yang ada, selain dengan cara mengkalkulasi berbasis Reach
Calculation berbasis jaringan untuk menghitung populasi yang terlayani dalam struktur perkotaan
terdekat. Selain itu dapat pula dievaluasi menggunakan pendekatan analisis Market Share, dikarenakan
setiap penduduk bebas untuk mendapatkan pelayanan dari lokasi manapun dimana daya tarik suatu
pusat perkotaan dapat diakumulasi dari berbagai variabel seperti jumlah fasilitas, perkantoran, dll. Untuk
tahapan berikutnya terkait optimalnya suatu pengembangan struktur ataupun fasilitas dimana akan
ditempatkan dapat pula dikaji dengan pendekatan Location-Allocation.
(2) Analisis sistem jaringan jalan mencoba melakukan identifikasi terhadap akses yang menghubungkan
setiap struktur perkotaan yang ada untuk memberikan rekomendasi terhadap jaringan. Namun hal ini
sangat erat kaitannya dengan melihat peluang dimana lokasi yang berpotensi untuk dikembangkan
(perubahan struktur perkotaan dimasa depan, baik penambahan lokasi sistem perkotaan baru, ataupun
melakukan upgrade pada sistem perkotaan yang sudah ada). Cara ini dapat dikaji melalui pendekatan
centrality assessment terhadap jaringan yang ada ataupu direncanakan, dengan analisis seperti degree
centrality, closeness centrality dan betweeneess centrality. Selain itu, perlu juga menentukan ruas-ruas
jaringan mana yang berpotensi memiliki interaksi kewilayahan yang tinggi baik dari segi interaksi
penduduk, ekonomi, pertanian, industri dan lainnya. Pada umumnya hanya dilakukan dengan
pendekatan gravitasi berupa tabel dan peta desireline, lebih dari itu sejatinya dapat diturunkan informasi
dari skala makro hingga mikro (level kelurahan dan koridor) agar diketahui kelurahan maupun ruas
mana yang signifikan berpotensi berkembang atau dimanfaatkan sebagai simpul transit yang baru.
(3) Analisis intensitas pengembangan ruang dengan melakukan kajian terhadap intensitas pola ruang,
pemanfaatan ruang dengan kajian distribusi kepadatan penduduk, serta pendekatan pada ketersediaan
lahan yang dapat dikembangkan. Analisis ini juga bergantung pada hasil simulasi yang telah dilakukan.
Sistem Penggunaan Lahan dan Runoff

Banyak perlakuan terhadap analisis sistem penggunaan lahan dengan cara umum, seperti melakukan komparasi
tata ruang terhadap kondisi eksisting untuk melakukan cek konsistensi RTR, menginventaris penggunaan lahan
eksisting, menampilkan data persebaran kepemilikan lahan, khususnya dengan runoff hanya melakukan analisis
tabular yang berusaha mengetahui debit runoff per wilayah administrasi maupun persubdas tanpa ada memiliki
justifikasi terhadap rekayasa ruang secara spasial berbasis lokasi serta dampak terhadap runoff. Pada workshop
kali ini akan mempelajari beberapa hal untuk meningkatkan kualitas analisis berdasarkan pendekatan yang lebih
terukur seperti:
(1) Analisis prediksi pola ruang secara spasial berbasis skenario untuk mengetahui perkembangan
secara skenario. Banyak prediksi perkembangan perkotaan yang dilakukan secara spasial
menggunakan pendekatan trend seperti probabilistik, geometris, dll. Disadari bahwa pemerintah daerah
sejatinya tidak menginginkan wilayahnya berkembang sesuai trend seperti itu, dimana seringkali
pemerintah daerah melakukan beberapa rekayasa-rekayasa pembangunan melalui program-program
untuk percepatan pembangunan. Explorasi masa depan terhadap suatu kebijakan ruang maupun
struktur ruang, disertai beberapa target pertumbuhan serta asumsi-asumsi perencana terhadap suatu
alih fungsi lahan kedepan diperlukan. Proses sebelumnya (analisis struktur) dapat digunakan sebagai
input proses tahap ini.
(2) Dengan melakukan analisis prediksi pola ruang (Langkah-1) maka analisis simpangan pola ruang-
pun dapat dikaji tidak hanya membandingkan antara pola ruang eksisting dengan rencana, melainkan
jauh dari itu diharapkan dapat lebih eksploratif, lebih banyak perspektif, dan terpenting adalah
semuanya dilakukan secara terukur, sehingga mendapat gambaran yang cukup terhadap simpangan
yang akan terjadi dilapangan.
(3) Berbekal berbagai gambaran skenario kondisi masa depan yang didapat (Langkah-1) maka setiap
kondisi dapat dioverlay terhadap data kepemilikan lahan, sehingga dapat menghasilkan analisis
kepemilikan lahan yang lebih kreatif dan komprehensif, termasuk meliputi mengkaji seberapa besar
ruang kepemilikan tersebut berpotensi berubah menjadi fungsi-fungsi lain. Selain itu juga dengan data
kepemilikan lahan dapat pula menjadi input constraint prediksi ditiap skenario yang ingin dihasilkan
pada Langkah-1, agar lebih sesuai dengan kepemilikan lahan yang ada.
(4) Kaitannya terhadap dampak runoff yang menjadi substansi pada dokumen RDTR, dengan berbekal
pada beberapa analisis yang sudah dilakukan baik mulai penetapan struktur perkotaan hingga simulasi
terhadap perkembangan pola ruang dimasa depan atas berbagai skenario yang dipertimbangkan,
analisis tutupan lahan dan runoff dapat dilakukan secara lebih maksimal terhadap dampak yang akan
ditimbulkan. Selain itu, pada workshop akan diperkenalkan analisis runoff berbasis gridcell untuk
menghitung volume runoff yang terakumulasi pada suatu wilayah, sehingga dapat digunakan untuk
justifikasi dimana lokasi-lokasi yang dapat dijadikan zona resapan, pengaturan intensitas, pengendalian,
jenis vegetasi dan lainnya. Dengan berkaca pada setiap skenario pengembangan kawasan, maka akan
didapat variasi terhadap kemungkin runoff yang ditimbulkan serta dampaknya yang terlihat secara
geografis.
Jadwal materi yang diberikan (garis besar)

Berikut susunan materi umum yang akan disampaikan, terdapat setidaknya 2 – 5 jam Live materi yang diberikan
pada hari dan tanggal yang sudah ditetapkan (hari selasa-kamis setiap minggu). Kami akan memberikan materi
peserta berupa live dan materi rekaman baik dari pemateri atau link materi pihak lain untuk menambah
pemahaman materi yang diberikan. Peserta yang tidak dapat mengikut pelatihan secara live, dapat melihat
rekaman pada Urbanesha Classroom (sistem kelas online yang telah disediakan). Sistem pembelajaran live
zoom dilakukan setiap hari selasa-kamis tiap minggu, dengan detail sebagai berikut:
- Pengantar GIS, Digitasi dan Editing Data (QGIS)

- Review materi analisis dalam tata ruang berdasarkan ketentuan yang ada
- Pengantar Pemodelan Spasial dan Skenario Perencanaan
- Pengenalan data dan pemanfaatan Openstreetmap (QGIS, OSM)
- Spatial data-scrapping berbasis Google Maps (QGIS, Chrome, GoogleMaps)
- Analisis pembobotan expert berbasis AHP (QGIS, ExpertSA)
- Pemodelan Optimasi Pola Ruang (Linear Programming) (QGIS, Lensolver, LanduseSim)
- Pemodelan Sentralitas : Analisis Struktur Pusat Pelayanan (QGIS, UrbanSCAD, UrbanPDE)
- Pemodelan Interaksi spasial berbasis sistem Jaringan (QGIS, UrbanSCAD, GraviGIS)
- Analisis Intensitas Pengembangan Ruang (QGIS, LanduseSim, UrbanRFA)
- Pemodelan Greenness Visibility Index (QGIS, UrbanGVI)
- Pemodelan Perubahan Lahan dan Analisis Simpangan Pola Ruang (QGIS, LanduseSim)
- Pengukuran Kuantitatif Urban Form dan Dinamikanya (QGIS, LanduseSim, Fragstat)
- Pemodelan UHI (Urban Heat Island) menuju resilient city (QGIS)
- Pemodelan Volume Runoff (QGIS, LanduseSim, UrbanRFA)
- Pemodelan Beban struktur ruang dengan Market-Share (QGIS, UrbanSCAD)
- Pemodelan Distribusi Spasial Penduduk (QGIS, UrbanPDE)
- Pemodelan Aksesibilitas amenitas perkotaan (QGIS, UrbanSCAD)
- Pemodelan Location Allocation fasilitas (QGIS, UrbanSCAD)
- Machine Learning untuk pemodelan klasifikasi (QGIS, LearnKNN)
- Analisis Ekonomi Makro kewilayahan (Ecanmac)
Materi-materi tersebut diatas akan diberikan baik dengan pembelajaran langsung (via zoom) atau dengan
rekaman yang sudah disiapkan, untuk memberikan efektifitas dan efesiensi pembelajaran. Materi tersebut diatas
dapat berkembang sampai waktu dimulainya pelatihan jika dirasa ada hal-hal yang dipertimbangkan oleh tim
pemateri. Jadwal detail harian akan disusun selengkapnya dalam waktu dekat dan dikirimkan ke peserta
yang telah terdaftar.
Secara garis besar agenda materi adalah sebagai berikut;
• 20 September 2022 (Pembukaan)
• 21 September - 27 Oktober 2022 (Materi)
• 28 Oktober 2022 – 15 November 2022 (Sesi khusus diskusi, asistensi tugas)
• 16 November 2022 (Penutupan)
FAQ
Frequently Asked Questions
Apa bahasa pengantar yang digunakan?

Bahasa Indonesia, mengingat pelatihan ini disegmentasikan bagi pengguna di Indonesia.
Bagaimana sistem pembelajarannya di agenda ini?

URGEOS 2022 akan berisi materi-materi live seminar dan tutorial yang dapat dihadiri semua peserta secara daring. Selain itu
setiap member akan mendapatkan fasilitas Lifelong-Learning.
Software apa yang akan saya dapatkan selama pelatihan?

Software QGIS (opensource), dan beberapa software berlisensi seperti QGIS, LanduseSim XT, LENSOLVER, UrbanSCAD,
ExpertSA, GraviGIS, LearnKNN, UrbanRFA, UrbanPDE, TranetSim, UrbanGVI, Ecanmac
Saya terlambat mengetahui jadwal pelatihan ini, namun saya ingin mengikuti pelajaran yang sedang berlangsung walaupun
beberapa agenda live terlewat, apa masih memungkinkan?
Iya masih sangat memungkinkan, setiap video rekaman live zoom kami simpan di akun masing-masing peserta. Sedangkan
untuk diskusi kita sediakan wadah untuk bertanya mengenai permasalahan teknis.
Apakah saya harus mengikuti semua materi yang ada dalam pelatihan atau saya dapat memilih beberapa materi yang saya
tertarik saja ?
Tidak harus, Anda dapat mengikuti materi yang Anda pilih. Dalam sertifikat juga akan disertakan jam pembelajaran beserta
materi yang sudah diselesaikan. Apabila materi yang Anda pilih sedikit, maka jumlah jam pembelajaran Anda nantinya juga
sedikit yang tertera pada sertifikat yang diterima. Jadi setiap peserta memungkinkan tidak sama jumlah jam pembelajaran yang
telah dicapai masing-masing.
Saya cukup sibuk sehingga kemungkinan tidak dapat mengikuti banyak Live Zoom materi yang disampaikan pembicara,
namun saya berminat sekali mengikuti workshop ini. Apakah saya masih layak mengikuti workshop dan mendapatkan
sertifikat?
Ya Anda masih layak dan dapat mengikuti workshop ini dengan baik serta mendapat sertifikat pelatihan. Kami memberikan
solusi sistem kelas online, dimana setiap rekaman live (zoom) kami simpan dan Anda sebagai peserta dapat mengakses video
tersebut di akun Anda pada sistem yang kami sediakan, serta tugas yang diberikan.
Jika tidak bisa mengikuti kelas pada jam yang ditentukan, kemudian mengikuti dengan melihat rekaman kelas, apakah ini juga
dianggap termasuk jam pelatihan? Karena tidak semua peserta mungkin dapat mengikuti live pada jam yang ditentukan
Ya, peserta akan dianggap mengikuti jam pelatihan
Saya tidak memiliki pengalaman menggunakan sistem informasi geografis, apakah saya masih dapat mengikuti workshop ini?
Ya Anda masih sangat mampu mengikuti workshop dengan baik. Kami memberikan materi pengantar sistem informasi
geografis pada hari pertama pelaksanaan workshop. Namun kami sangat merekomendasikan Anda untuk mendapatkan
pengetahuan sekilas tentang GIS atau dengan melihat beberapa video di YouTube, sehingga dapat mudah mencerna materi
yang kami berikan dengan lancar.
Apakah saya harus menggunakan QGIS untuk dapat mengikuti pelatihan?

Tidak, Peserta dapat menggunakan ESRI ArcGIS untuk mengoperasikan beberapa hal basic seperti mempersiapkan data
yang akan diolah pada software lainnya. Namun dikarenakan beberapa isu kompatibilitas kami rekomendasikan menggunakan
QGIS.
Apakah yang dimaksud lisensi software untuk 1 unit komputer ?

Lisensi yang diberikan hanya pada 1 unit komputer yang didaftarkan, sehingga software-software yang kami berikan dapat
diinstall dan berjalan pada komputer yang terdaftar pada Urbanesha Circle.
Apakah saya dapat mengganti lisensi untuk komputer lain?

Ya dapat diganti pada Urbanesha Circle, dengan catatan untuk penggunaan dari perorangan yang sama.
Apakah ada batasan lisensi untuk penggunaan software-software yang diberikan?

Semua mengikuti ketentuan dalam komunitas Urbanesha Circle. Pada prinsipnya, semua software yang didistribusikan adalah
gratis dan dapat digunakan secara terus menerus dengan cara mengaplikasikannya, baik untuk kebutuhan riset, jasa
konsultansi, dan proses diseminasi keilmuan lainnya.
SURVEY PESERTA URGEOS

Berikut merupakan hasil kuisioner responden peserta URGEOS2020 ditunjukkan sebagai referensi bagi calon
peserta yang berminat mengikuti URGEOS2022. Berbekal hasil survey kepuasan ini, kami berupaya untuk
meningkatkan beberapa hal yang dirasa kurang dan mempertahankan beberapa yang sudah baik.
Bagaimana kualitas materi yang diberikan pada Bagaimana kualitas sistem urbanesha classroom
workshop URGEOS2020? selama workshop URGEOS2020
Metode pembelajaran peserta yang dilakukan Software yang paling berkesan bagi Bapak Ibu
selama workshop (synchronus dan asynchronus) selama pelaksanaan workshop URGEOS2020
(pilih salah satu)
Dari hasil survey diatas, menunjukkan lebih dari 97% peserta puas terhadap penyelenggaraan URGEOS 2020
yang diberikan selama workshop URGEOS2020. Selain itu fasilitas Urbanesha Classroom juga telah
memberikan banyak sekali kemudahan pembelajaran selama workshop online berlangsung, termasuk banyak
kesan positif terhadap kualitas Urbanesha Classroom dan akan terus ditingkatkan. Selain itu beberapa hal
mengejutkan ditemukan pada saat workshop terkait software yang paling berkesan dari peserta, yang ternyata
tidak hanya LanduseSim yang dianggap menarik saat itu, dan untuk URGEOS2022 akan lebih banyak aplikasi
lagi lainnya. Dari sistem pembelajaran oleh peserta pun juga demikian, banyak yang menyelesaikan pelatihan
baik yang melakukan pembelajaran synchronus ataupun asynchronus dengan berimbang. Disini membuktikan
sistem Urbanesha Classroom telah didesain untuk memudahkan peserta belajar mandiri dalam mengikuti
pembelajaran.
Note: Pada URGEOS 2021 kami tidak melakukan survey kepuasan, sehingga tidak ada data yang dapat kami
sampaikan.
01. Digitasi dan rekayasa GIS

Digitasi adalah proses awal yang dilakukan untuk mempersiapkan data spasial digital. Mekanisme ini menjadi
pondasi utama sebelum melakukan analisis spasial. Pengenalan terhadap jenis data (vektor dan raster), serta
jenis data spasial vektor (point, polyline, polygon) menjadi pengetahuan fundamental untuk memanfaatkan data
spasial. Selain itu, rekayasa terhadap data spasial termasuk atribut informasi diperlukan untuk membangun data
spasial yang siap diolah dalam proses analisis.
Kasus yang diberikan pada sesi digitasi dan Rekayasa GIS adalah melakukan digitasi batas administrasi, digitasi
jaringan jalan dan tutupan lahan menggunakan QGIS.
Digitasi Bangunan
Digitasi Jaringan
Digitasi Landuse
Factor 1
Factor 2
Factor 3
Factor 4
02. Optimasi Lahan dengan teknik Program Linier

Teknik pemrograman linier adalah model yang dapat digunakan untuk menyelesaikan masalah alokasi sumber
daya dengan kondisi terbatas. Linear Programming juga dikenal sebagai teknik perencanaan analitis di mana
analisis menggunakan metode matematika yang digunakan untuk memecahkan masalah alokasi sumber daya
dan produk terbatas untuk mendapatkan manfaat yang optimal. Program linier adalah pemrograman matematika
di mana ada fungsi objektif dalam bentuk fungsi linear dan kendala yang tidak diketahui dalam bentuk
persamaan linear atau ketidaksetaraan linier.
Kasus yang diberikan pada sesi Optimasi adalah kasus optimasi penggunaan lahan dengan mencari luas lahan
optimal yang dibutuhkan untuk perencanaan penggunaan lahan dengan mempertimbangkan pendapatan daerah
dan kebutuhan permukiman tenaga kerja. Kasus seperti ini sangat relevan diadaptasi untuk berbagai kasus
perencanan spasial, seperti perencanaan pola ruang pada proses penyusunan dokumen tata ruang atau
rencana spasial lainnya.
03. Pembobotan dengan AHP

Permasalahan pengambilan keputusan dapat menjadi kompleks karena adanya pelibatan beberapa tujuan
maupun kriteria. Salah satu tool (alat bantu) yang cocok digunakan untuk pemilihan kandidat atau pengurutan
prioritas adalah Analytic Hierarchy Process (AHP) yang dikembangkan oleh Thomas L. Saaty. Analytical
Hierarchy Process (AHP) adalah suatu metode pengambilan keputusan dengan melakukan perbandingan
berpasangan antara kriteria pilihan dan juga perbandingan berpasangan antara pilihan yang ada. Permasalahan
pengambilan keputusan dengan AHP umunya dikomposisikan menjadi kriteria, dan alternative pilihan. AHP
sering digunakan untuk menjawab permasalahaan pemilihan kandidat, pengurutan kriteria, pengurutan prioritas
termasuk outputnya berupa menjawab kebijakan yang diperlukan dalam perencanaan.
04. Prediksi Perkembangan Fisik Perkotaan dan Alih Fungsi Lahan

Perencana diharapkan sebagai problem solver di masa yang akan datang dengan membuat langkah-langkah
strategis untuk menjawab menjawab tantangan 5 hingga 20 tahun kedepan yang selalu menjadi output rencana
tata ruang seperti rencana pola ruang dan struktur ruang. Kemampuan dalam menganalisis kemungkinan-
kemungkinan yang akan terjadi dimasa depan menjadi nilai tambah bagi seorang perencana, terutama di era
data sains yang lebih berbasis data, tidak terkecuali bagi perencana spasial.
Skill memodelkan perkembangan wilayah/kota/penggunaan lahan menjadi krusial bagi proses perencanaan
spasial, disamping untuk melihat bagaimana sebuah wilayah akan berkembang, selain itu perencana juga dapat
melakukan self-assessment terhadap satu atau lebih rencana yang sedang disusun sebagai skenario
perencanaan, termasuk mengupayakan strategi evakuasi kewilayahan baik dari segi regulasi, infrastruktur (fisik),
ekonomi, bencana atau faktor lainnya yang berimplikasi pada ruang, waktu dan kegiatan.
LanduseSim lebih ditujukan pada kajian-kajian

rekayasa (untuk praktek perencanaan)
berbasis skenario, target, konsep, daripada
sekedar menjadi aplikasi yang hanya
bertujuan menangkap fenomena series
kebelakang, melihat peluang/probabilistik,
ataupun melakukan prediksi yang berbasis
trend, seperti beberapa aplikasi populer yang
dikembangkan diluar; Idrisi Terrset (Clarks
Lab), Molusce (pada QGIS), Simlander
(berbasis R), dan sejenisnya. Walaupun
sejatinya LanduseSim dirancang untuk
prediksi berbasis skenario/konsep/rekayasa,
namun LanduseSim dapat pula digunakan untuk pendekatan-pendekatan bersifat Trend-based dan memiliki
akurasi yang relatif lebih baik dari aplikasi lain yang didesain untuk trend-based (lihat halaman berikutnya).
LanduseSim sebagai software pemodelan spasial juga telah direview dan mendapat pengakuan dari WWF
(2016) sebagai salah satu software yang dapat digunakan untuk melakukan simulasi tidak hanya terbatas pada
penggunaan lahan ataupun tutupan lahan, tetapi juga dapat dieksplorasi untuk pemodelan habitat maupun
analisis ruang kelautan berbasis skenario.
Pelatihan terkait LanduseSim juga telah dilakukan sejak tahun 2014 hingga ke manca negara. Pelatihan dalam
skala nasional dapat diakses di http://www.landusesim.com/pelatihan-gis-tingkat-lanjut-landusesim/ . Selain itu
beberapa artikel yang pernah dipublikasikan menggunakan LanduseSim dapat dicek di Google Scholar.
Perkembangan Perkotaan hingga tahun 2045

Prediksi perkembangan perkembangan kota (morfologi kota)
tahun 2020, 2030 dan 2045. Output ini diproses dengan
menggunakan output LanduseSim yang disimulasikan tiap tahun
mulai 2020 hingga 2045 yang kemudian divisualisasikan lebih baik
untuk meningkatkan visualisasi yang diberikan.
Sadewo, M. N. dan Buchori, I. (2018) Simulasi Nabilatul Arifah (2018) Pemodelan Spasial
95.68 %
Perubahan Penggunaan Lahan Akibat
Pembangunan Kawasan Industri Kendal (KIK)
Berbasis Cellular Automata. Majalah Geografi
Indonesia, Vol. 32.
95.33 % Perkembangan Lahan berdasarkan Penentuan
Prioritas Ruang Terbuka Hijau di Wilayah
Surabaya Timur. Tugas Akhir. Departemen
Perencanaan Wilayah dan Kota, ITS. Surabaya
89.10 %
Nugroho, A.A. (2013) Model Perubahan
Yazid Al-Darwish, Hany Ayad Dina Taha, Dina Landuse akibat kenaikan muka air laut dan
93.76 %
Saadallah (2018) Predicting the future urban pasang maksimum di pantai utara teluk lamong
growth and it's impacts on the surrounding (PUTL) bagian surabaya. Master Tesis Teknik
environment using urban simulation models: Manajemen Pantai ITS. Indonesia
Case study of Ibb city – Yemen. Alexandria
Engineering Journal. Volume 57, Issue 4,
December 2018, Pages 2887-2895
Salem S. Gharbia, Sara Abd Alfatah, Laurence LanduseSim’s Prediction in several Overall Accuracy
89.01 % Gill, Paul Johnston, Francesco Pilla (2016)

Land use scenarios and projections simulation
using an integrated GIS cellular automata
algorithms. Modeling Earth Systems and
Environment. Springerlink
(OA) Assessments
Pixel-to-Pixel in Raster Comparison
Linares and Pratomoatmojo (2016).
91.52 % LanduseSim Practica: Modelizacion y analisis

espacial de la expansion urbana mediante
automatas celulares y sstemas de informacion
geografica
Laboratorium komputasi dan analisis perencanaan keruangan
Departemen Perencanaan Wilayah dan Kota
96.05 %
Paulus Basuki kuwat Santoso (2018) Model Institut Teknologi Sepuluh Nopember
Dinamika Spasial Penggunaan Lahan Sawah di

Kabupaten Subang, Provinsi Jawa Barat.
Desertasi. Institut Pertanian Bogor.
Sumber:
Hasil Tugas Peserta URGEOS2020, Oleh Fuad Hasyim
(Badan Informasi Geospasial).
Pemodelan spasial yang dilakukan menggunakan data
penggunaan lahan dalam lingkup KSN Cekungan
Bandung yang meliputi: Kota Bandung, Kota Cimahi,
Kabupaten Bandung, Kabupaten Bandung Barat dan
sebagian Kabupaten Sumedang.
Jenis penggunaan lahan yang disimulasikan adalah:

Industri, perdagangan dan jasa, dan permukiman.
Faktor pendorong perubahan penggunaan lahan antara
lain: jalan utama, jalan sekunder, dan eksisting
industri, permukiman dan perdagangan dan jasa. Faktor
penghambat perubahan penggunaan lahan
adalah kawasan hutan.
Gambar disamping merupakan olahan lanjut

dari simulasi yang dihasilkan, untuk
melakukan eksplorasi data terhadap potensi
konversi lahan yang terjadi, dimana akan
berdampak pada atribut lain di suatu wilayah
seperti ketahanan pangan, kawasan
resapan, produksi perikanan dan lainnya.
Dalam konteks tata ruang, analisis ini dapat
digunakan pula untuk mengestimasi potensi
penyimpangan pola ruang (deviasi tata
ruang), sehingga dapat diusulkan
mekanisme insentif dan disinsentifnya.
Dokumentasi tutorial LanduseSim sudah tersedia dalam 3 bahasa; Bahasa Indonesia, Inggris dan Latin.
05. Aksesibilitas lokasi berbasis jaringan geometrik
Aksesibilitas merupakan paradigma baru perencanaan wilayah yang bertujuan menjamin Equity of Access
(kesetaraan aksesibilitas) bagi seluruh lapisan masyarakat sebagai pendekatan dasar dalam perwujudan
pembangunan berkelanjutan termasuk upaya mengatasi ketimpangan/disparitas ekonomi yang dapat terjadi
dalam penentuan struktur kewilayahan. Aksesibilitas idealnya dikaji berdasarkan jaringan geometrik (network
analysis), bukan sekedar mengimplementasikan radius buffer (jarak udara) yang banyak biasnya ketika
diterapkan dilapangan (seperti kasus penentuan sekolah berbasis regional) yang pada akhirnya berujung ada
penduduk yang tidak mendapatkan akses ke sekolah. Dengan akses berbasis jaringan semua dapat dipastikan
mendapatkan informasi mengenai fasilitas terdekatnya.
Aksesibilitas seharusnya dikaji secara transparan dan mendalam dalam proses penyusunan dokumen
perencanaan tata ruang seperti aksesibilitas terhadap fasilitas, simpul-simpul transportasi, amenitas dan ruang
aktivitas produksi (jasa, perkantoran, dll) terhadap bagaimana meningkatkan efesiensi dan efektifitas pergerakan
masyarakat di wilayah perencanaan. Namun kenyataannya, hal tersebut lebih sering diteorikan dan dianalogikan
daripada diterapkan karena keterbatasan teknologi. Itulah alasan utama mengapa output-output tersebut sangat
jarang terlihat di dokumen-dokumen tata ruang. Sekarang, dengan UrbanSCAD tidak ada lagi kompleksitas
penyiapan dataset jaringan berbasis GIS yang cenderung time-consuming dan complicated. Dengan teknik
seperti ini, berapa jumlah peta analisis yang dapat dihasilkan dalam kajian analisis tata ruang, berapa banyak ide
yang dapat dibangun, berapa banyak skenario yang dapat dikembangkan, dan berapa banyak temuan-temuan
yang bisa dijadikan sebagai landasan penentuan kebijakan ruang berikutnya. Menarik apabila hal fundamental
seperti ini menjadi basis analisis, seperti menghitung akses permukiman terhadap RTH, terminal, pusat bisnis,
sekolah dll ada di dalam dokumen fakta analisis perencanaan.
Ilustrasi output analisis aksesibilitas

Dengan memanfaatkan data OSM (OpenStreetMap) yang dapat didownload secara gratis, baik persil maupun jaringan
jalannya, dapat diproses menjadi output aksesibilitas yang sangat menarik untuk memberikan gambaran kepada perencana
mengenai kondisi akses di suatu wilayah perencanaan. 10 menit adalah waktu minimal yang dibutuhkan untuk mencari rute
sekitar 9700 pasang persil. (Ilustrasi dibawah). Perhitungan akses, dipercaya mampu meningkatkan perekonomian secara
merata dengan cara memnimkan biaya pergerakan masyarakat, mengurangi emisi, sekaligus menjamin kesetaraan dalam
kemampuan beraksesibilitas disemua jenjang ekonomi masyarakat. Perencana dapat memberikan input pada atribut setiap
luas, seperti kecepatan, kendala, atau impedance lainnya.
Selain untuk melakukan penilaian terhadap aksesibilitas persil/blok/zona, analisis aksesibilitas dapat
dikembangkan menjadi analisis pasar (market-share) untuk mengetahui seberapa besar potensi pasar terhadap
suatu sektor bisnis. Pada UrbanSCAD mengadaptasi model analisis pasar yang cukup populer yaitu Huff Model.
Berikut merupakan ilustrasi penerapan Huff model untuk menghitung Market-share/ probabilitas pelanggan
secara spasial berbasis jaringan geometrik. Pendekatan ini juga sangat efektif untuk melakukan kajian terhadap
beban struktur perkotaan dengan melihat seberapa banyak potensi populasi yang terlayani tiap struktur,
sehingga dapat diketahui struktur perkotaan yang overcapacity.
Market-Share Analysis (Huff-Model)

Pada gambar mempertimbangkan luas lantai fasiltas komersil sebagai daya tarik, geometrik jaringan dan tipologi jaringan
untuk perhitungan rute, dan fasilitas komersil sejenis sebagai kompetitor. Adapun cara membacanya jika nilai Market-share
40% artinya 40% kemungkinan persil tersebut akan berbelanja ke supermarket orientasi, sedangkan 60% ke kompetitor. Jika
diturunkan, 40% dari jumlah orang pada persil akan menjadi konsumennya (jika punya data jumlah penduduk). Hal ini dapat
menjadi bahan pertimbangan untuk merencanakan fasilitas apa saja yang perlu disediakan untuk menampung jumlah
konsumen sebanyak itu, termasuk misal fasilitas parkir yang harus disediakan. Selain menarik untuk analisis bisnis,
Pendekatan ini sepertinya masih sangat relevan digunakan untuk penyediaan fasilitas dan ruang-ruang publik (Taman Kota)
06. Interaksi Spasial dalam berbasis Jaringan

Perencana membutuhkan perhitungan prediksi besaran interaksi antar wilayah yang dapat diturunkan hingga
level jaringan jalan (mikro) sehingga kebijakan yang akan dicanangkan dapat disesuaikan potensi interaksi di
tingkat lokal , pendekatan global (ex: provinsi) diterjemahkan hingga tingkat lokal (ex: kecamatan). Beberapa
teknik seperti ini dapat diterapkan pada beberapa kasus seperti memprediksi kekuatan interaksi wilayah pada
jaringan dimasa depan, melihat potensi kemacetan wilayah, dan interaksi ekonomi terutama dalam menentukan
wilayah yang berpotensi untuk dikembangkan dimasa depan.
Berikut contoh yang diterapkan untuk melihat interaksi ekonomi dimana nilai interaksi gravity dikonversi menjadi
nilai interaksi berdasarkan data yang diolah dari PDRB, dengan begitu dapat dilihat dimana lokasi berpotensi
menjadi pusat pertumbuhan baru yang dapat dikembangkan dengan memanfaatkan interaksi ekonomi di masa
yang akan datang.
2045 2035
2020
Ilustrasi : Potensi kekuatan
interaksi antar wilayah berbasis
jaringan
Prediksi interaksi berbasis jaringan dari
Gravity Model yang dimodifikasi
07. Spatial Centrality Analysis

Centrality Analysis merupakan analisis berbasis jaringan, dalam menentukan lokasi strategis berdasarkan
susunan jaringan yang terdapat pada suatu wilayah. Terdapat tiga analisis yang umumnya dijelaskan adalah
Degree, Closeness, dan Betweenneess. Pendekatan ini mampu memberikan jawaban dalam analisis
menemukan lokasi strategis (sentral) dengan pertimbangan interaksi setiap node (zona). Dapat dipertimbangkan
dalam perencanaan struktur ruang / wilayah / zona dalam perencanaan spasial. Berikut adalah contoh ilustrasi
penerapan pada kasus kewilayahan. Analisis sentralitas pada workshop ini dapat dilakukan dengan bantuan
UrbanSCAD.
08. Pengolahan data dengan KNN (K-Nearest Neighbors)

KNN merupakan salah satu teknik Machine Learning sederhana yang melakukan prediksi baik nilai atau
klasifikasi dengan melihat tetangga terdekat. K-nearest neighbors atau KNN adalah algoritma yang berfungsi
untuk melakukan klasifikasi suatu data berdasarkan data pembelajaran (train data sets), yang diambil dari k
tetangga terdekatnya (nearest neighbors). Dengan k merupakan banyaknya tetangga terdekat. Algoritma k-
Nearest Neighbor menggunakan Neighborhood Classification sebagai nilai prediksi dari nilai instance yang baru.
KNN melihat perbedaan jarak
terhadap variabelnya dalam
melakukan prediksi kelas
maupun nilai.
Pada pelatihan ini, akan

dijelaskan mengenai Machine
Learning dan teknik KNN
dalam melakukan analisis
data, termasuk penggunaan
tool LearnKNN sebagai
software untuk memprediksi
berdasarkan pendekatan
KNN untuk klasifikasi.
Sumber:
Hasil Tugas Peserta URGEOS2020, Oleh Nabiilatul Arifah, S.PWK. (Kementrian PUPR), sumber data:
https://www.kaggle.com/lodetomasi1995/income-classification/metadata
09. Simulasi akumulasi volume Runoff wilayah

Sifat air yang mengalir dari atas ke bawah, sebetulnya menjelaskan bahwa tidak semua limpasan (runoff) dapat
mencapai lokasi muara sungai (outlet), dimana seringkali aliran dipermukaan tersebut (overland flow) berhenti
atau bahkan terjebak di zona-zona yang rendah (cekungan) yang kemudian menggenangi lokasi tersebut
sebelum mencapai ujung muara yang diharapkan.
Kajian hidrologi dalam pekerjaan tata ruang

(seperti dalam penyusunan RDTR - RTRW)
umumnya dilakukan dengan pendekatan
perhitungan debit limpasan per batas
administrasi dan/atau DAS. Kajian hidrologi
umumnya menganalogikan semua air yang
menjadi runoff akan menuju outlet sungai
(dalam konsep DAS). Hal ini berlawanan
seperti analogi diatas, dimana runoff dapat
berhenti pada zona-zona tertentu.
Dengan UrbanRFA (Urban Runoff Flow

Accumulation) akan
menghasilkan output yang
berbeda, dikarenakan mampu menangkap rekayasa ruang, menerapkan konsep aliran, resapan
dan perhitungan volume yang terakumulasi berbasis neighborhood filter. Dengan
UrbanRFA akan mempermudah perencana melakukan justifikasi terhadap ruang, seperti
memutuskan rencana apa yang diperlukan dengan mengetahui lokasi-lokasi
pemberhentian runoff, volume yang tergenang, volume yang mengalir, tracking
runoff wilayah yang menggenangi suatu kawasan berasal dari mana, dan
sebaliknya runoff dari suatu kawasan tebrangun akan berdampak kemana
dalam wilayah perencanaan baik dengan atau tanpa melihat DAS secara
makro (secara otomatis melakukan delineasi DAS secara submikro
kawasan). Dengan begitu perencana dapat melakukan usulan zonasi
kawasan-kawasan resapan seperti bozem, waduk, tamankota, zona konservasi,
pengembangan hutan, dan lain-lain.
10. Prediksi kepadatan populasi di wilayah dengan Dasymetric Mapping

Kajian untuk menentukan wilayah yang memiliki kepadatan tinggi dan rendah, seringkali dibutuhkan untuk
menghitung beberapa aspek turunan di berbagai bidang, seperti untuk meningkatkan presisi dampak
kebencanaan, transportasi, dan lainnya. Hal ini seringkali dibutuhkan untuk melakukan kajian Daya Dukung Daya
Tampung (DDDT). Pada standar pengkajian DDDT, kepadatannya diestimasikan sama untuk satu kelas tutupan
lahan/penggunaan lahan dalam satu batas admin yg dijadikan referensi jumlah populasinya. Dengan pendekatan
ini, akan berupaya untuk memberikan analisis berupa distribusi kepadatan yang berbeda dalam satu kelas
penggunaan lahan, biarpun jenis landusenya sama dan dalam batas administrasi yang sama. Pada materi ini
akan diperkenalkan UrbanPDE (Urban Population Density Estimation) yang menggunakan multi-layer sebagai
penentu grid populasi yang didistribusikan.
Berikut adalah contoh penerapan Dasymetric Mapping distribusi penduduk pada kawasan permukiman (dengan
grid 200m x 200m). Dapat dilihat bahwa jumlah populasi terlihat berbeda antar grid, dimana lebih tertuju pusat
perkotaan cenderung akan memiliki intensitas kepadatan yang jauh lebih tinggi.
11. Pemodelan UHI (Urban Heat Island) menuju resilient city
UHI merupakan deviasi suhu perkotaan terhadap kawasan disekitarnya. Terdapat kalkulasi untuk estimasi
wilayah mana yang terdampak UHI dan tidak terdampak UHI. Klasifikasi ini perlu ditekankan karena banyak
kasus yang menganggap bahwa suhu permukaan sudah dikatakan sebagai UHI, sedangkan 2 hal ini merupakan
konsep yang berbeda. Meskipun dalam penerapannya suhu permukaan dapat menjadi variabel kontrol yang
mempengaruhi klasifikasi UHI. Disisi lain UHI dibagi kedalam 3 area, Local Scale, Macro Scale, Meso Scale.
Sedangkan suhu permukaan hanya mempengaruhi local scale. Masih ada macro scale dan meso scale yang
dipengaruhi oleh suhu udara. Metode pengukuran suhu udara biasa dapat menggunakan thermal gun maupun
alat pengukur suhu oleh departemen yang memiliki wewenang terhadap iklim (BMKG misalnya).
Pada materi ini, peserta akan belajar dasar-dasar pengukuran temperatur permukaan, mulai tahap persiapan
yaitu pengenalan Citra satelit, pengolahan data citra Landsat dan citra Aster dalam pemodelan suhu permukaan,
praktek pengukuran wilayah yang terdampak UHI beserta validasinya, diskusi pengembangan pemodelan UHI
(Prediksi UHI dan adaptasi UHI)
12. Pengukuran Kuantitatif Urban Form dan Dinamikanya

Kajian tentang bentuk perkotaan biasanya datang dalam format kualitatif, dimana aspek multidimensi dari bentuk
perkotaan sering disorot secara kualitatif terintegrasi. Namun demikian, untuk dapat mengimplementasikan
dalam analisis spasial lainnya diperlukan suatu metode kuantitatif dengan tetap memperhatikan proses
perubahan bentuk pola perkotaan. Spatial metrics merupakan analisis kewilayahan berbasis landscape dengan
melakukan perhitungan detail pada komposisi unit pembentuk unsur spasial pada wilayah studi. Beberapa
metode statistik spasial diimplementasikan untuk membantu analisis bentuk perkotaan dalam format kuantitatif
beserta aspek spasial, dinamika, interpretasi, dan visualisasinya termasuk bagaimana mengimplementasikannya
dalam studi spasial holistik. Analisis urban form berbasis spatial metric menjadi suatu langkah lanjutan yang
dapat dilakukan setelah melakukan observasi time-series perubahan lahan atau prediksi perkemabangan
penggunaan lahan atau perkotaan.
Dalam konteks urban form, penjelasan terhadap karakteristik suatu wilayah dapat insight yang lebih detail ketika
dianalisis dengan spatial metrics, dalam contoh kedua wilayah (Cianjur) dieksplorasi dan dikomparasi dengan
beberapa tipe yaitu dengan skenario Model BAU (Business as usual), RTR (Rencana Tata Ruang), dan UCT
(Urban Containtment). Eksplorasi dapat direpresentasikan sebagai wilayah yang mengalami sprawl dispersed,
perkembangan perkotaan dengan compact, dan pertumbuhan berbentuk cluster, dan masih banyak lagi dengan
pendekatan spatial metrics. Dengan pendekatan spatial metrics, pemahaman akan dinamika wilayah dapat
dijelaskan dan dapat memudahkan dalam pengambilan keputusan atau kebijakan kewilayahan.
13. Analisis Greenness Visibility Index

Banyak penelitian terbaru menunjukkan bahwa paparan terhadap lingkungan alam, khususnya ruang biru dan
ruang hijau memiliki manfaat kesehatan yang positif di jalur pergerakan, baik untuk berkendara ataupun berjalan
kaki (Lindley et al. 2019, Markevyche et al. 2017). Visibility terhadap lingkungan alami, spesifik pada visible
greenness, berasosiasi positif pada mekanisme psikologi untuk kesehatan (Kaplan 1989; Kaplan 1995; Kaplan
2001). Pada materi ini akan mengajarkan pemanfaatan UrbanGVI (Urban Greenness Visibility Index) untuk
melakukan kajian kualitas koridor dari segi kenyamanan termasuk untuk perencanaan jaringan perkotaan
maupun jalur pedestrian. Kedepan akan terus dikembangkan dari segi metode dan teknologinya, namun saat ini
dapat diekspektasi pemanfaatannya untuk kajian perencanaan level detail seperti RDTR.
• UrbanGVI dibangun dengan paradigma kecerdasan buatan (AI) menggunakan pendekatan Machine Learning Neural Networks
dari serangkaian data training yang ditanamkan untuk melakukan klasifikasi warna hijau pada foto yang telah diambil
• Saat versi ini diluncurkan, mekanisme klasifikasi otomatis yang ditanamkan adalah mekanisme seleksi berdasarkan komposisi
warna dalam menentukan warna hijau sebagai Green Index
• Pengamatan dilakukan dengan melihat unsur RGBA pada foto yang diamati
• Dataset ini akan terus diupdate berkala berdasarkan feedback dari pengguna UrbanGVI, untuk menghasilkan klasifikasi yang
lebih baik
• Kedepan memiliki ruang untuk dikembangkan agar memiliki presisi yang lebih baik lagi
14. Spatial data-scrapping berbasis Google Maps

Pemanfaatan data secara online yang saat ini cukup besar kuantitasnya sangat dibutuhkan oleh perencana.
Pemanfaatan data dari website sangat membantu memudahkan dalam mendapatkan informasi-informasi penting
guna mendukung data spasial (Portele C and Parsons E, 2017). Teknik ini dikenal dengan istilah Web Scrapping.
Pada materi ini akan di jelaskan bagaiamana cara memperoleh sebaran fasilitas umum termasuk sarana
peribadatan, sarana pendidikan dan sarana transportasi menggunakan data google maps ataupun website
lainya. Metode ini dapat menghemat dari sisi biaya dan waktu dibandingkan harus survei kemudian memetakan
satu persatu. Ratusan bahkan ribuan data di internet dapat di unduh dalam beberapa tahap, yang kemudian
dihasilkan format .csv dengan attribut koordinat latitut dan longitude, sehingga dapat dikonversi kedalam sebuah
data vector seperti shapefile.
• Web Scrapping dilakukan dengan menggunakan extension dari browser

• Dalam praktik kali ini akan dijelaskan mendapatkan data fasilitas dari google maps
• Hasil data ini dapat digunakan untuk analisis hotspot, mendukung dalam analisis centralitas pada UrbanSCAD dan
mendukung sebagai input analsis prediksi perubahan lahan pada LanduseSim
15. Analisis Ekonomi Makro

Analisis penentuan sektor unggulan menjadi salah satu analisis yang selalu dilakukan untuk mengetahui bahwa
sektor yang sesuai dan mampu untuk dikembangkan agar dalam penentuan tujuan perencanaan dapat didukung
oleh keunggulan komparatif maupun kompetitif. Ecanmac mampu melakukan Analisis LQ, baik SLQ maupun
DLQ menjadi analisis yang masih sangat relevan dalam menentukan sektor basis. Didukung lagi dengan analisis
shift-share yang memberikan gambaran terkait sektor apa saja yang memberikan kontribusi besar dan seberapa
besar pergeseran sektor terjadi. Sehingga akan didapatkan persebaran kondisi setiap sektor dalam mendukung
pengembangan konsep perencanaan sesuai dengan potensi yang ada. Hal ini dapat dikolaborasikan dengan
analisis spasial lainnya seperti interaksi spasial (dengan GraviGIS), disparitas dengan akses (UrbanSCAD)
maupun dijadikan basis pendorong perkembangan wilayah (dengan LanduseSim).
• Analisis menggunakan perangkat lunak Ecanmac yang nantinya membutuhkan data PDRB
• Analisis yang dilakukan diantaranya LQ (SLQ, DLQ), SHiftshare, dan Tipologi Klassen
• Akan memudahkan pengguna / planner dalam melakukan analisis ekonomi
URGEOS2022
Klik link Pendaftaran Calon Peserta
www.urbanesha.com/urgeos2022
URBANESHA CIRCLE URBANESHA

https://t.me/urbaneshacircle https://www.instagram.com/urbanesha
URBANESHA URGEOS Forum - Urbanesha Circle

SubscribeLink FacebookLink
Perihal Pendaftaran, Teknis Pelaksanaan dan Lisensi

CS Urbanesha : Wiwik – (0821.4318.8838)
Request kedalaman materi

Rivan Aji W D S., S.PWK., M.Ars. – (0813.2663.6328)
Gatot Subroto ST., M.Ars. – (0856.4847.0301)
Nursakti Adhi Pratomoatmojo, ST., M.Sc. – (0821.3949.0808)

URGEOS 2022 RTR Urban Modeling v15

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

URGEOS 2022 RTR Urban Modeling v15

Diunggah oleh

Hak Cipta:

Format Tersedia

Urbanesha Workshop Geospatial Technology

TEKNIK ANALISIS DAN PEMODELAN DALAM

Level Pelatihan : Basic – Advance

Rekomendasi persiapan peserta

Persyaratan dan Kebutuhan Peserta

Sistem Pembelajaran Unggul

Biaya dan periode pendaftaran

Early Bird Period Normal Period

Spesifikasi Komputer yang digunakan

Struktur kewilayahan / pusat pelayanan

Sistem Penggunaan Lahan dan Runoff

Jadwal materi yang diberikan (garis besar)

- Pengantar GIS, Digitasi dan Editing Data (QGIS)

Apa bahasa pengantar yang digunakan?

Bagaimana sistem pembelajarannya di agenda ini?

Software apa yang akan saya dapatkan selama pelatihan?

Apakah saya harus menggunakan QGIS untuk dapat mengikuti pelatihan?

Apakah yang dimaksud lisensi software untuk 1 unit komputer ?

Apakah saya dapat mengganti lisensi untuk komputer lain?

Apakah ada batasan lisensi untuk penggunaan software-software yang diberikan?

SURVEY PESERTA URGEOS

01. Digitasi dan rekayasa GIS

02. Optimasi Lahan dengan teknik Program Linier

03. Pembobotan dengan AHP

04. Prediksi Perkembangan Fisik Perkotaan dan Alih Fungsi Lahan

LanduseSim lebih ditujukan pada kajian-kajian

Perkembangan Perkotaan hingga tahun 2045

89.01 % Gill, Paul Johnston, Francesco Pilla (2016)

Linares and Pratomoatmojo (2016).

91.52 % LanduseSim Practica: Modelizacion y analisis

Dinamika Spasial Penggunaan Lahan Sawah di

Jenis penggunaan lahan yang disimulasikan adalah:

Gambar disamping merupakan olahan lanjut

Ilustrasi output analisis aksesibilitas

Market-Share Analysis (Huff-Model)

06. Interaksi Spasial dalam berbasis Jaringan

07. Spatial Centrality Analysis

08. Pengolahan data dengan KNN (K-Nearest Neighbors)

Pada pelatihan ini, akan

09. Simulasi akumulasi volume Runoff wilayah

Kajian hidrologi dalam pekerjaan tata ruang

Dengan UrbanRFA (Urban Runoff Flow

10. Prediksi kepadatan populasi di wilayah dengan Dasymetric Mapping

11. Pemodelan UHI (Urban Heat Island) menuju resilient city

12. Pengukuran Kuantitatif Urban Form dan Dinamikanya

13. Analisis Greenness Visibility Index

14. Spatial data-scrapping berbasis Google Maps

• Web Scrapping dilakukan dengan menggunakan extension dari browser

15. Analisis Ekonomi Makro

URBANESHA CIRCLE URBANESHA

URBANESHA URGEOS Forum - Urbanesha Circle

Perihal Pendaftaran, Teknis Pelaksanaan dan Lisensi

Request kedalaman materi

Anda mungkin juga menyukai