Perpustakaan Digital ITB

Perkembangan wilayah perkotaan secara masif pada dasarnya telah mengubah lanskap alam sehingga kota menciptakan kondisi iklimnya sendiri (urban climate). Kondisi ini memicu fenomena Surface Urban Heat Island (SUHI) yang menyebabkan peningkatan suhu di wilayah perkotaan dan dapat diperparah oleh kejadian Local Extreme Heat (LEH). Selama ini, sebagian besar upaya mitigasi suhu ekstrem dalam perencanaan tata ruang di Indonesia masih menerapkan pendekatan yang seragam, tanpa mempertimbangkan dinamika karakteristik iklim mikro yang sangat berbeda antara kondisi siang dan malam hari. Secara umum, tujuan dari penelitian ini adalah mengidentifikasi faktor determinan perubahan Surface Urban Heat Island Intensity (SUHII) siang dan malam hari pada kondisi LEH di Kota Jakarta menggunakan machine learning, serta mengevaluasi kesesuaiannya terhadap ketentuan intensitas Rencana Detail Tata Ruang (RDTR). Penelitian menggunakan metode kuantitatif dengan pendekatan spasial eksplanatori. Pengumpulan data dilakukan memanfaatkan teknologi penginderaan jauh berbasis Google Earth Engine dengan resolusi grid berukuran 1 km². Pemisahan kawasan perkotaan dan perdesaan sebagai dasar nilai referensi suhu menggunakan sistem klasifikasi Local Climate Zone (LCZ). Analisis faktor determinan dilakukan menggunakan algoritma machine learning Random Forest untuk melihat tingkat kontribusi variabel secara global untuk seluruh wilayah studi, yang kemudian dipadukan dengan metode SHapley Additive exPlanations (SHAP) untuk mengukur arah kontribusi variabel secara lokal di setiap luasan grid. Melalui grafik SHAP dependence plot, nilai ambang batas empiris (threshold) dari variabel morfologi perkotaan dapat ditentukan dan dibandingkan dengan aturan zonasi RDTR. Berdasarkan hasil analisis, ditemukan perbedaan pola distribusi kerentanan spasial yang saling bertolak belakang. Pada kondisi siang hari, lonjakan panas ekstrem cenderung menyebar secara sporadis di wilayah Jakarta Pusat, Jakarta Selatan, dan sebagian Jakarta Barat. Sebaliknya pada malam hari, pusat lonjakan pemanasan bergerak secara intensif mengelompok di kawasan pesisir (Jakarta Utara) dan menjalar hingga ke pusat kota, sementara kawasan selatan justru menunjukkan peredaman suhu. Hal ini menunjukkan bahwa kerentanan suhu suatu wilayah dapatvi berbeda tergantung waktu kejadiannya. Faktor determinan tingkat global yang paling besar pengaruhnya pada kondisi siang hari yaitu elevasi sebesar 17,60% dan kecepatan angin sebesar 16,63%. Pada kondisi malam hari, pendorong utamanya beralih menjadi curah hujan (20,98%), radiasi matahari (11,54%), dan aktivitas ekonomi melalui proksi cahaya malam (6,79%). Dari seluruh variabel yang diuji, variabel Koefisien Dasar Bangunan (KDB) dan rasio lahan berpori (sebagai proksi Koefisien Dasar Hijau atau KDH) terbukti memberikan arah pengaruh yang paling linier dan konsisten. Berdasarkan hasil ekstraksi model, batas toleransi maksimal KDB agar tidak memicu panas ekstrem berada pada rentang 37,38% hingga 39,35%, sedangkan batas minimal KDH yang diperlukan untuk menstabilkan suhu berada pada rentang 12,8% hingga 23,5% untuk berbagai kelas LCZ. Hasil evaluasi terhadap dokumen RDTR menemukan ketidaksesuaian yang sangat krusial. Mayoritas aturan batas maksimal KDB pada RDTR terbukti melampaui batas toleransi aman dari daya dukung lingkungan hasil pemodelan. Di saat bersamaan, target kewajiban penyediaan KDH minimal pada RDTR berada jauh di bawah standar kebutuhan pendinginan kawasan. Implikasi dari temuan ini menunjukkan bahwa apabila pembangunan dimaksimalkan menyentuh kelonggaran aturan RDTR saat ini, lingkungan perkotaan akan mengalami peningkatan suhu ketika terjadi kejadian panas ekstrem. Penelitian ini merekomendasikan perlunya peninjauan kembali terhadap peraturan zonasi pada RDTR agar kedepannya bisa berbasis tipologi iklim lokal sehingga kota menjadi lebih tangguh dalam menghadapi ancaman kondisi panas ekstrem.