Perpustakaan Digital ITB

Keberadaan big data telah mendorong gagasan-gagasan baru, termasuk artificial intelligence dan konsep urban computing yang keduanya memiliki kaitan dengan alat analisis yang disebut machine learning. Pemanfaatan teknologi machine learning dalam konteks perencanaan kota terus berkembang, di antaranya dimanfaatkan untuk pengumpulan data, manajemen data, analisis data, dan pengembangan produk layanan yang bertujuan untuk menyelesaikan persoalan-persoalan perkotaan. Di sisi lain, perencanaan kota di Indonesia memiliki kaitan erat dengan perencanaan tata ruang. Rencana Detail Tata Ruang (RDTR) merupakan salah satu produk dari perencanaan tata ruang di Indonesia. Teknologi machine learning dapat dimanfaatkan sebagai bagian dari tahapan pengolahan dan analisis data dari proses penyusunan RDTR. Melalui metode deskriptif dengan pendekatan kualitatif diketahui bahwa pemanfaatan machine learning dalam proses penyusunan RDTR meliputi empat tahapan, yaitu pengumpulan data, mempersiapkan data, memilih model, dan training model. Sementara itu, melalui metode deskriptif kuantitatif dapat diidentifikasi 11 klaster dari 11 variabel data SWK II Kota Cirebon yang diproses dengan menggunakan algoritma unsupervised learning. Klaster yang terbentuk dapat dikelompokkan berdasarkan karakteristiknya dan kesimpulan dari hasil pengelompokkan klaster tersebut dapat digunakan sebagai pertimbangan dalam proses perumusan muatan RDTR, di antaranya untuk muatan penentuan pola ruang, ketentuan sarana dan prasarana minimum, intensif-disinsentif, dan teknik pengaturan zonasi (TPZ)