39 3 BAB III METODOLOGI PENELITIAN Pada bagian ini akan menjelaskan jenis penelitian yang akan digunakan, variabel dan data yang dibutuhkan, metode pengumpulan data serta metode analisis yang digunakan untuk menjawab tujuan dan sasaran pada penelitian ini. 3.1 Pendekatan dalam Penelitian Penelitian ini mengadopsi pendekatan penelitian kuantitatif secara spasial menggunakan GIS dan analisis deskriptif. Pendekatan kuantitatif yang dilakukan berbasis Big Data secara spasial sebagai dasar pemodelan Kernell Density Estimation, Spatial Clustering Analyze, Countring Analyze, Spatial Network Analysis, dan Sentiment Analysis untuk mengidentifikasi dimensi dalam konsep 15-minutes city di Kota Surakarta dan juga untuk perhitungan gap kondisi RTH publik terhadap target Indikator SDGs berdasarkan rumus metadata SDGs. Sementara itu, analisis deskriptif berbasis literatur akan digunakan untuk melihat variabel yang berpengaruh dalam penentuan lokasi RTH publik potensial. Dengan memadukan kedua pendekatan tersebut, penelitian ini diharapkan dapat memberikan rekomendasi dalam penerapan konsep 15-minutes city dalam penentuan lokasi RTH publik potensial di Kota Surakarta untuk mewujudkan SDGs. 3.2 Kebutuhan Data dan Teknik Pengumpulan Data Berikut ini merupakan beberapa kebutuhan data yang diperlukan dalam analisis yaitu : Tabel 3. 1. Tabel Kebutuhan Data No Data Bentuk Sumber Metode Pengumpulan 1 Jaringan Jalan dan Pedestrian Vector Polyline (.shp) Open Street Map Scrapping 2 Jumlah Penduduk Tabular (.csv) BPS Scrapping 3 Digital Elevation Model Raster (.tiff) DEMNAS Scrapping 4 Peta Citra Satelit Sentinel-2 Raster (.tiff) USGS Earth Explorer Scrapping 5 Aktivitas Berjalan dan Bersepeda Raster (.tiff) Heatmap Strava Scrapping 6 Google Street View Gambar (.jpg) Google Maps Scrapping 7 Sebaran Fasilitas Perkotaan Vector Point (.shp) Google Maps Scrapping 8 Peta Rawan Bencana Raster (.tiff) BPBD/Inarisk Scrapping 9 Peta Bidang Tanah Kota Surakarta Vector Polygon (.shp) ATR/BPN Survey 40 10 Peta Rencana Pola Ruang Vector Polygon (.shp) ATR/BPN Survey 11 Data Persepsi Twitter Tabular (.csv) Twitter Scrapping Sumber : Penulis, 2024 Dalam penelitian penerapan konsep 15-Minutes City dalam penentuan lokasi potensial RTH publik hijau di Kota Surakarta untuk mewujudkan SDGs, berbagai data digunakan dengan sumber dan metode pengumpulan yang berbeda. Berikut adalah deskripsi penggunaan data tersebut: 1. Data Jaringan Jalan dan Pedestrian Kota Surakarta : Data ini diperoleh dari Open Street Map menggunakan teknik scrapping. Data ini digunakan untuk memahami struktur jaringan jalan di Kota Surakarta dan membantu dalam menganalisis konektivitas antar zona. 2. Data Jumlah Penduduk Kota Surakarta: Data ini diperoleh dengan scrapping menggunakan API BPS dalam bentuk tabular dan nantinya dibuat model spasial untuk kepadatan penduduk kawasan dengan menggabungkan dari data spasial kepadatan bangunan dengan Kernell Density Estimation Model 3. Digital Elevation Model Kota Surakarta : DEM (Digital Elevation Model) di Kota Surakarta didapat dari website DEMNAS. Data ini digunakan untuk memahami karakteristik kemiringan lereng di Kota Surakarta yang dapat mempengaruhi kemudahan aksesbilitas. 4. Data Citra Satelit Sentinel-2: Data citra satelit diperoleh dari USGS Earth Explorer berupa citra sentinel-2 di tahun 2023. Data ini digunakan untuk menganalisis aspek visual dan spasial dalam melihat kawasan permukiman, lokasi lahan potensial, dan aksesbilitas dalam penyediaan RTH publik di Kota Surakarta. 5. Data Aktivitas Berjalan dan Bersepeda: Data ini diperoleh dengan melakukan segementasi warna pada heatmap strava berupa tingkat aktivitas berjalan kaki dan bersepeda masyarakat di Kota Surakarta. Data ini digunakan untuk melihat gap ketersediaan jalur sepeda dan pejalan kaki terhadap aktivitas masyarakat. 6. Google Street View: Data Google Street View diperoleh dari google maps pada beberapa sampel titip di jalan arteri, jalan kolektor dan kawasan permukiman. Data ini digunakan untuk menganalisis tingkat kehijauan menggunakan metode Green View Index untuk melihat dimensi kualitas sebagai salah satu faktor kenyamanan pejalan kaki. 41 7. Data Fasilitas Perkotaan Kota Surakarta: Data ini diperoleh dari scrapping Google Maps. Data ini digunakan untuk memetakan dan menganalisis distribusi fasilitas perkotaan di Kota Surakarta. 8. Data Rawan Bencana: Data rawan bencana diperoleh dari BPDP/Inarisk sebagai data variabel untuk penentuan lokasi penyediaan lokasi potensial RTH publik di Kota Surakarta. 9. Data Bidang Tanah Kota Surakarta: Data ini diperoleh ATR/BPN melalui survei virtual dan teknik scrapping. Data ini digunakan untuk melihat status tanah dari lahan potensial yang akan dikembangakan menjadi RTH publik di Kota Surakarta. 10. Data Rencana Pola Ruang Kota Surakarta: Data Rencana Pola Ruang dari RDTR Kota Surakarta ini diperoleh ATR/BPN melalui survei. Data ini digunakan untuk melihat rencana tata ruang sebagai data variabel untuk penentuan lokasi penyediaan lokasi potensial RTH publik di Kota Surakarta. 11. Data Persepsi Masyarakat Twitter: Data persepsi masyarakat diambil dengan teknik scrapping menggunakan API Twitter. Data persepsi ini digunakan untuk melihat sentimen terkait kondisi digitalisasi yang ada di Kota Surakarta. 3.3 Metode Analisis Metode analisis pada penelitian ini akan dijelaskan menjadi 3 bagian sesuai masing- masing sasaran sebagai berikut: 3.3.1 Sasaran 1: Identifikasi 5 Dimensi Konsep 15-Minutes-City di Kota Surakarta Sasaran 1 yaitu Identifikasi Dimensi Konsep 15-Minutes-City menggunakan 5 metode analisis sesuai dengan masing-masing dimensinya sebagai berikut. a. Kernell Density Estimation Salah satu metode yang dapat digunakan untuk mengidentifikasi distribusi kepadatan perkotaan adalah analisis kernel density estimation (KDE), dimana analisis ini dapat menggambarkan karakteristik spasial dari distribusi data kepadatan penduduk dan pusat- pusat kawasan (Węglarczyk, 2021). Analisis Kernel Density Estimation digunakan untuk menentukan tingkat kepadatan kawasan secara non-parametrik. Dalam statistik, non- parametrik pada umumnya digunakan untuk menjelaskan metode perhitungan yang bersifat free distribution. Dimana bentuk persebaran data tidak dijadikans ebagai permasalahan yang perlu dipertimbangkan lebih lanjut (Sadiq et al., 2022). Pada prinsipnya KDE bertujuan memperkirakan persebaran intensitas suatu titik dalam bidang dengan radius tertentu. Fungsi matematika dalam analisis kernel density estimation adalah sebagai berikut. 42 Gambar 3. 1. Metode Kernell Density Estimation Sumber : Xiu, 2021 Analisis kernel density estimation digunakan untuk menganalisis dimensi density dari konsep 15-minutes city menggunakan data sebaran kebutuhan penduduk, citra satelit senitel-2 dan data jaringan jalan. Dengan data tersebut, Kernel Density dapat menghasilkan tingkat densitas kawasan permukiman yang mencerminkan konsentrasi aktivitas kota eksisting, serta dapat membantu identifikasi baseline pusat layanan perkotaan di Kota Surakarta.