Perpustakaan Digital ITB

Sinkronisasi data kadaster legal dan kadaster fiskal merupakan kebutuhan penting dalam penguatan administrasi pertanahan, pemutakhiran basis data PBB-P2, dan keterhubungan identitas objek tanah melalui NIB dan NOP. Penelitian ini tidak memaknai sinkronisasi sebagai penyatuan basis data atau kewenangan ATR/BPN dan Bapenda, melainkan sebagai upaya menjaga keterhubungan, konsistensi, dan kemutakhiran informasi antara dua sistem yang tetap memiliki mandat berbeda. Dalam praktiknya ditemukan ketidaksesuaian geometri, inkonsistensi atribut, keterhubungan spasial yang hilang, redundansi data, ketidaksinkronan pembaruan, serta persoalan tata kelola pertukaran data. Penelitian ini bertujuan menyusun model diagnostik ketidaksesuaian data kadaster legal dan kadaster fiskal berbasis tipologi untuk mendukung sinkronisasi NIB–NOP di Desa Muara Ciujung Timur, Kabupaten Lebak. Data penelitian terdiri atas 4.393 bidang tanah ATR/BPN dan 3.901 objek Bapenda/PBB-P2. Analisis dilakukan melalui inventarisasi data, harmonisasi sistem koordinat, transformasi affine, overlay spasial, pengukuran indikator spasial, pemadanan atribut, analisis temporal dan kelembagaan, pembobotan AHP, serta klasifikasi berbasis aturan. Pada transformasi spasial, objek Bapenda digunakan sebagai moving layer dan bidang ATR/BPN sebagai reference layer. Pemilihan BPN sebagai referensi kerja didasarkan pada fungsi pendaftaran tanah yang secara langsung mencakup letak, batas, luas, dan identitas bidang, sedangkan Bapenda mengelola objek fiskal; posisi ini tidak menjadikan data BPN sebagai ground truth absolut. Pembanding England and Wales dan Singapura digunakan untuk memperkuat dimensi temporal, kelembagaan, dan interoperabilitas tanpa dijadikan sumber ambang hukum. Hasil penelitian menunjukkan perbedaan jumlah objek sebesar 492 dan selisih rata-rata luas 24,97 m². Klasifikasi spasial terhadap 3.901 objek Bapenda menghasilkan 9 objek sesuai (0,23%), 539 objek perlu konfirmasi (13,82%), dan 3.353 objek tidak sesuai (85,95%). Kategori sesuai mensyaratkan overlap_percent ? 90%, vertex_difference = 0, dan avg_angle_diff ? 5° secara bersamaan. Uji sensitivitas record-level menunjukkan bahwa pelonggaran vertex_difference menjadi ? 1 tidak menambah kandidat sesuai, sedangkan kombinasi overlap_percent ? 80%, vertex_difference ? 1, dan avg_angle_diff ? 10° meningkatkan kandidat sesuai menjadi 21 objek (0,54%). AHP menghasilkan bobot dimensi spasial 0,422, atribut 0,273, temporal 0,149, dan kelembagaan 0,156. Model membedakan indeks diagnosis sebagai ukuran keparahan dan tipologi sebagai jenis masalah untuk menyusun prioritas verifikasi dan perbaikan data.