Perpustakaan Digital ITB

Urbanisasi dan perubahan iklim meningkatkan ketidaknyamanan lingkungan perkotaan di kota-kota negara berkembang seperti Indonesia, termasuk Kota Bandung. Kajian kenyamanan kota di Indonesia masih didominasi oleh pendekatan dimensi kenyamanan termal dengan infrastruktur data yang terbatas. Penelitian ini mengembangkan Indeks Kenyamanan Lingkungan Perkotaan (Urban Environmental Comfort Indeks/UECI) guna mengidentifikasi pola spasial kenyamanan multidimensi dan menganalisis faktor pendorongnya yang terkait morfologi kota dengan pendekatan Explainable Artificial Intelligence (XAI) berbasis open-source data. UECI disusun sebagai indeks komposit nonkompensatori menggunakan metode Mazziotta–Pareto Index yang mengintegrasikan dimensi termal, kualitas udara, visual, dan persepsi kenyamanan. Untuk memodelkan faktor pendorong, penelitian ini membandingkan model Random Forest dengan model GraphSAGE yang merepresentasikan hubungan spasial dan bentuk kota dalam struktur graf. Hasil pemetaan menunjukkan tipologi kenyamanan yang jelas, di mana kawasan relatif nyaman terkonsentrasi di bagian utara dan timur yang lebih hijau dan berkepadatan bangunan lebih rendah, sedangkan kawasan tidak nyaman dan kritis didominasi oleh koridor permukima dan komersial padat di bagian selatan dan barat. Model GraphSAGE mencapai akurasi sekitar 62% dan melampaui Random Forest dan menegaskan pentingnya konteks spasial dalam memprediksi kenyamanan. Analisis XAI dengan SHAP mengungkapkan bahwa kepadatan dan ketinggian bangunan, jarak ke jalan arteri dan kolektor, kedekatan terhadap badan air, serta intensitas aktivitas komersial berinteraksi secara non-linear, sehingga menuntut strategi penataan ruang adaptif yang sensitif terhadap tipologi kawasan untuk meningkatkan kenyamanan lingkungan perkotaan.