Perpustakaan Digital ITB

Ruang kota merupakan elemen krusial dalam kehidupan masyarakat, tidak hanya sebagai tempat aktivitas sosial dan ekonomi, tetapi juga sebagai faktor yang memengaruhi kualitas hidup penghuninya. Persepsi visual terhadap ruang kota memiliki peran krusial dalam membentuk cara masyarakat berinteraksi dengan lingkungannya, khususnya dalam menciptakan rasa aman, nyaman, dan daya tarik estetika. Namun, pendekatan konvensional dalam mengevaluasi kualitas ruang kota masih banyak mengandalkan metode subjektif seperti observasi langsung dan survei yang memiliki keterbatasan dalam cakupan data dan efektivitas analisis. Oleh karena itu, penelitian ini mengadopsi pendekatan berbasis machine learning (ML) dan Street level imagery untuk menganalisis persepsi visual ruang kota dan merumuskan strategi intervensi desain berbasis data guna meningkatkan kualitas visual ruang kota. Penelitian ini bertujuan untuk merumuskan strategi intervensi desain yang berbasis analisis machine learning yang berkontribusi terhadap persepsi ruang kota, guna meningkatkan kualitas visual dan pengalaman pengguna di ruang kota. Metode yang digunakan melibatkan analisis berbasis Machine learning menggunakan model PlacePulse 2.0, yang mengelompokkan persepsi terhadap ruang kota ke dalam enam kategori utama: Depressing, Boring, Safety, Lively, Beautiful, dan Wealthy. Dengan menggunakan dataset dari Google Street View, penelitian ini mengklasifikasikan ruang kota berdasarkan pola persepsi yang dihasilkan. Untuk memahami lebih dalam faktor yang mempengaruhi persepsi tersebut, digunakan juga Explainable Machine learning menggunakan model Deeplabv2, yang mengeksplorasi peran elemen rancangan kota seperti area terbangun, vegetasi, fitur air, trotoar, langit, dan jalan dalam membentuk persepsi ruang kota. Hasil penelitian menunjukkan bahwa keberadaan elemen hijau, kualitas bangunan, bukaan langit yang memadai, dan aktivasi ruang publik secara signifikan meningkatkan persepsi positif terhadap ruang kota. Area yang memiliki vegetasi yang cukup, trotoar yang luas dan aman, serta desain bangunan yang estetis cenderung mendapat skor tinggi dalam kategori Beautiful, Lively, dan Safety. Sebaliknya, kawasan yang minim elemen hijau, didominasi oleh bangunan dengan dinding masif, serta memiliki bukaan langit yang sempit sering kali dikategorikan sebagai Depressing atau Boring. Dengan analisis yang transparan dan objektif dalam menilai persepsi visual ruang kota, penelitian ini merumuskan 24 strategi umum intervensi desain yang dikembangkan berdasarkan hubungan antara elemen visual dan persepsi. Dari strategi tersebut, sejumlah intervensi diterapkan pada area yang telah dipilih melalui analisis persepsi dan pemetaan spasial untuk memastikan relevansi dan efektivitasnya. Evaluasi hasil penerapan strategi menunjukkan bahwa intervensi yang dilakukan berhasil meningkatkan persepsi positif seperti safety, lively, beautiful, dan wealthy serta menurunkan persepsi negatif, seperti boring dan depressing. Kawasan yang sebelumnya monoton dan kurang menarik mengalami peningkatan daya tarik visual dan fungsionalitas melalui optimalisasi elemen hijau, perbaikan jalur pedestrian, serta penyesuaian ruang terbuka untuk meningkatkan visibilitas langit dan akses ruang. Kontribusi utama penelitian ini adalah pengembangan metode penilaian persepsi visual ruang kota berbasis machine learning, yang dapat digunakan oleh perencana kota, pemerintah daerah, dan komunitas untuk menciptakan ruang publik yang lebih responsif, inklusif, dan menarik secara visual.