Prediksi Pertumbuhan Kawasan Terbangun untuk Mengidentifikasi Wilayah Prioritas Pengembangan Layanan Publik di Bandung Raya

28 September 2026

•

By: Reza Isnawati

TN prediksi

Penulis: Reza Isnawati

ABSTRAK

Pesatnya laju urbanisasi di Wilayah Metropolitan Bandung Raya memicu alih fungsi lahan yang masif menjadi kawasan terbangun, yang sering kali tidak diimbangi oleh penyediaan fasilitas pelayanan dasar secara merata. Penelitian ini bertujuan untuk memprediksi pertumbuhan kawasan terbangun dan proyeksi jumlah penduduk hingga tahun 2029, menganalisis kesenjangan aksesibilitas spasial fasilitas pendidikan dan kesehatan, serta mengidentifikasi wilayah prioritas pengembangan layanan publik di Bandung Raya. Metode yang digunakan mengintegrasikan pemodelan prediktif Cellular Automata - Artificial Neural Network (CA-ANN), pemodelan proyeksi penduduk Compound Annual Growth Rate (CAGR), serta analisis jangkauan Network Analysis. Hasil pemodelan CA-ANN menunjukkan akurasi yang sangat baik (Overall Accuracy 93,69% dan Overall Kappa 0,9105), dengan estimasi penambahan kawasan terbangun sebesar 7.443,63 ha pada periode 2025–2029 yang terdistribusi di sepanjang koridor jalan utama (ribbon development). Hasil overlay spasial mengelompokkan wilayah studi ke dalam empat tipologi dengan arahan strategi masing-masing, di mana area terbangun di luar jangkauan diprioritaskan untuk pembangunan Unit Sekolah Baru (USB) dan redistribusi Puskesmas Pembantu (Pustu), sedangkan area non-terbangun dalam jangkauan diarahkan sebagai cadangan lahan strategis (land banking) fasilitas publik. Sementara itu, area terbangun dalam jangkauan difokuskan pada optimalisasi kapasitas fasilitas eksisting, dan area non-terbangun di luar jangkauan ditetapkan sebagai zona proteksi untuk mengendalikan pemekaran acak (urban sprawl).

Kata Kunci: CA-ANN, Kawasan Terbangun, Aksesibilitas Spasial, Fasilitas Publik.

1. PENDAHULUAN

Wilayah Metropolitan Bandung Raya yang meliputi Kota Bandung, Kota Cimahi, Kabupaten Bandung, dan Kabupaten Bandung Barat merupakan kawasan perkotaan yang mengalami perkembangan dan transformasi penggunaan lahan sebagai bagian dari proses urbanisasi di wilayah Bandung Metropolitan (Manessa dkk., 2020). Perkembangan kawasan perkotaan tersebut berkaitan dengan meningkatnya kebutuhan lahan untuk berbagai aktivitas perkotaan dan mendorong perubahan penggunaan lahan, termasuk konversi lahan pertanian menjadi lahan terbangun (Wijaya, 2015a). Studi mengenai dinamika perubahan lahan di Metropolitan Bandung menunjukkan bahwa konversi lahan pertanian menjadi lahan terbangun terjadi secara intensif pada wilayah yang berdekatan dengan pusat perkotaan, dengan intensitas perubahan yang cenderung menurun seiring bertambahnya jarak dari pusat Kota Bandung (Fuadina dkk., 2020).

Perubahan penggunaan lahan dan pertumbuhan kawasan terbangun perlu diikuti dengan evaluasi terhadap ketersediaan dan keterjangkauan fasilitas pelayanan dasar (Virtriana dkk., 2025). Dalam perencanaan kawasan permukiman, penyediaan sarana pendidikan dan kesehatan mempertimbangkan jumlah penduduk serta jangkauan pelayanan fasilitas. SNI 03-1733-2004 menetapkan kriteria radius pencapaian untuk beberapa fasilitas pelayanan, antara lain 1.000 m untuk Sekolah Dasar (SD), 1.000 m untuk Sekolah Menengah Pertama (SMP), 3.000 m untuk Sekolah Menengah Atas (SMA), dan 3.000 m untuk Puskesmas. Dengan demikian, analisis spasial terhadap kawasan terbangun dan jangkauan fasilitas dapat digunakan untuk mengidentifikasi bagian wilayah yang berada di luar radius pelayanan fasilitas berdasarkan kriteria tersebut.

Perencanaan perkembangan kawasan perkotaan juga dapat didukung oleh pemodelan perubahan penggunaan dan tutupan lahan berbasis Sistem Informasi Geografis (SIG) dan Penginderaan Jauh. Salah satu pendekatan yang digunakan dalam pemodelan tersebut adalah integrasi Cellular Automata (CA) dan Artificial Neural Network (ANN), yang memungkinkan simulasi perubahan spasial berdasarkan sejumlah faktor pendorong (driving factors) (Rohmah, 2025). Beberapa penelitian menggunakan variabel seperti jarak terhadap jaringan jalan, elevasi, kemiringan lereng, dan kedekatan dengan kawasan terbangun sebagai faktor yang berkaitan dengan probabilitas perubahan penggunaan lahan dalam pemodelan CA-ANN atau ANN-CA. Pendekatan tersebut telah diterapkan untuk memodelkan perkembangan kawasan terbangun dan perubahan penggunaan lahan pada berbagai wilayah studi, termasuk wilayah peri-urban di Indonesia (Sarastika dkk., 2024a).

Penelitian terdahulu telah mengkaji perubahan penggunaan lahan, prediksi perkembangan kawasan terbangun, maupun pelayanan fasilitas publik dengan pendekatan yang berbeda. (Wijaya, 2015b) mengidentifikasi dinamika perubahan penggunaan lahan dan perkembangan kawasan di Metropolitan Bandung berdasarkan data penginderaan jauh dan analisis spasial, sedangkan (Sarastika dkk., 2024b) menerapkan integrasi Artificial Neural Network dan Cellular Automata (ANN-CA) untuk memprediksi perubahan penggunaan lahan pada wilayah peri-urban. Pada aspek fasilitas publik, (Akbar dkk., 2018) menganalisis distribusi dan keterjangkauan fasilitas pendidikan menggunakan analisis spasial berbasis SIG. Penelitian lain oleh (Virtriana dkk., 2025) telah mengintegrasikan prediksi tutupan lahan berbasis CA-ANN dengan analisis kesesuaian lokasi fasilitas kesehatan di Jawa Barat. Penelitian-penelitian tersebut menunjukkan bahwa masing-masing pendekatan dapat digunakan untuk memahami perubahan kawasan, memprediksi perkembangan lahan, maupun mengevaluasi pelayanan fasilitas publik, tetapi memiliki fokus dan cakupan analisis yang berbeda. Berdasarkan penelitian-penelitian tersebut, kajian perubahan penggunaan lahan, pemodelan prediktif kawasan terbangun, serta analisis pelayanan fasilitas publik telah dikembangkan melalui pendekatan dan fokus yang beragam.

Namun, penerapan ketiga aspek tersebut dalam satu kerangka analisis pada skala Metropolitan Bandung Raya masih dapat dikembangkan lebih lanjut, khususnya dengan menghubungkan prediksi perkembangan kawasan terbangun dengan proyeksi jumlah penduduk dan evaluasi jangkauan fasilitas pelayanan dasar. Oleh karena itu, penelitian ini mengintegrasikan pemodelan CA-ANN untuk memprediksi perkembangan kawasan terbangun, proyeksi jumlah penduduk hingga tahun 2029 menggunakan Compound Annual Growth Rate (CAGR), serta analisis jangkauan fasilitas pendidikan dan kesehatan berdasarkan kriteria radius pelayanan dalam SNI 03-1733-2004. Hasil analisis tersebut digunakan untuk mengidentifikasi kawasan terbangun yang berada di luar jangkauan pelayanan fasilitas serta wilayah yang dapat menjadi pertimbangan dalam pengembangan fasilitas pendidikan dan kesehatan di Metropolitan Bandung Raya.

2. METODOLOGI PENELITIAN 2.1 Lokasi Penelitian

Penelitian ini dilaksanakan di Wilayah Metropolitan Bandung Raya yang mencakup empat wilayah administratif, yaitu Kota Bandung, Kota Cimahi, Kabupaten Bandung, dan Kabupaten Bandung Barat. Secara geografis, kawasan ini berada di Provinsi Jawa Barat dan merupakan salah satu pusat pertumbuhan perkotaan utama yang mengalami dinamika perubahan tutupan lahan dan pertumbuhan penduduk yang sangat pesat.

Gambar 1. Peta Lokasi Penelitian Bandung Raya (Sumber : Hasil Analisis, 2026)

Gambar 1. Peta Lokasi Penelitian Bandung Raya (Sumber : Hasil Analisis, 2026)

2.2 Data dan Variabel

Data yang digunakan dalam penelitian ini meliputi data penginderaan jauh, data spasial pendukung, serta data sekunder kependudukan. Rincian data dan sumber perolehannya disajikan pada Tabel 1.

Tabel 1. Variabel Penelitian

Variabel penelitian

Data tutupan lahan difungsikan sebagai data pembelajaran (training data) dalam pemodelan MOLUSCE untuk mengenali pola perubahan lahan historis. Sementara itu, data elevasi, kemiringan lereng, dan jaringan jalan dialokasikan sebagai variabel pendorong (driving factors) yang mempengaruhi arah pertumbuhan kawasan. Selanjutnya, data spasial berupa titik fasilitas kesehatan dan pendidikan serta data kependudukan dimanfaatkan secara khusus dalam analisis aksesibilitas pelayanan publik.

Driving Factors

Gambar 2. Peta Driving Factors Model Prediksi (Sumber : Hasil Analisis, 2026)

Gambar 2 menampilkan masing-masing variabel pendorong (driving factor) yang digunakan dalam pemodelan. Peta (a) menyajikan distribusi elevasi, peta (b) menggambarkan kemiringan lereng, dan peta (c) menunjukkan jarak Euclidean terhadap jaringan jalan. Seluruh variabel tersebut telah melalui proses normalisasi data sebelum diintegrasikan ke dalam model.

2.3 Tahapan Penelitian

Secara umum, alur kerja penelitian terbagi menjadi beberapa tahapan utama yang dipaparkan dalam Gambar 3:

Diagram alir

Gambar 3. Diagram Alir Penelitian (Sumber : Hasil Analisis, 2026)

Tiap tahapan pada Gambar 3 dipaparkan dalam langkah-langkah berikut:

  1. 1.
    Persiapan Data: Pengumpulan data tutupan lahan, batas administrasi, topografi, jaringan jalan, dan fasilitas dasar.
  1. 2.
    Integrasi Variabel & Pemodelan Prediksi: Pemrosesan data fisik dan aksesibilitas untuk menjalankan simulasi Cellular Automata - Artificial Neural Network (CA-ANN).
  1. 3.
    Uji Akurasi: Evaluasi presisi spasial dan validasi kuantitatif dari model hasil prediksi.
  1. 4.
    Proyeksi Kependudukan: Perhitungan laju pertumbuhan tahunan (Compound Annual Growth Rate / CAGR) untuk memprediksi jumlah penduduk tahun 2029.
  1. 5.
    Analisis Kebutuhan & Aksesibilitas: Penilaian defisit sarana berdasarkan SNI 03-1733-2004 serta pemodelan radius pelayanan berbasis Network Analysis.
  1. 6.
    Overlay & Identifikasi Wilayah Prioritas: Tumpang tindih antara kawasan terbangun prediksi dengan hasil analisis aksesibilitas guna menentukan zona prioritas pengembangan.

2.4 Prediksi Pertumbuhan Kawasan Terbangun

Pemodelan prediksi kawasan terbangun dilakukan dengan mengintegrasikan metode Cellular Automata (CA) dan Artificial Neural Network (ANN). Di sini, ANN digunakan untuk mengukur kemungkinan transisi lahan berdasarkan variabel pendorong berupa jalan, elevasi, serta kemiringan lereng. Pemodelan ANN ini dikonfigurasi menggunakan 1.000 titik sampel acak, neighbourhood 4 piksel, learning rate 0,100, 1.000 iterasi maksimum, serta 4 hidden layers. Untuk memastikan hasil simulasi akurat, dilakukan uji validasi melalui persentase kebenaran (Percentage of Correctness) dan analisis koefisien Kappa untuk aspek kuantitas maupun lokasi.

2.5 Proyeksi Penduduk

Proyeksi jumlah penduduk untuk tahun 2029 dihitung menggunakan metode pertumbuhan majemuk atau Compound Annual Growth Rate (CAGR). Laju pertumbuhan penduduk tahunan (r) dirumuskan sebagai berikut:

Rumus CAGR

Di mana:

  • r = Laju pertumbuhan penduduk tahunan (CAGR)
  • P_{2025} = Jumlah penduduk pada tahun 2025
  • P_{2020} = Jumlah penduduk pada tahun 2020

Selanjutnya, angka laju pertumbuhan r digunakan untuk memproyeksikan jumlah populasi pada tahun 2029 (P_2029)

2.6 Analisis Kebutuhan Fasilitas & Buffer

Penilaian kecukupan dan keterjangkauan sarana publik mengacu pada standar nasional SNI 03-1733-2004 tentang Tata Cara Perencanaan Lingkungan Perumahan di Perkotaan. Standar pendukung pelayanan kependudukan dan radius jangkauan pelayanan disajikan pada Tabel 2.

Tabel 2. Standar Pendukung Pelayanan Kependudukan Dan Radius Jangkauan Pelayanan

Tabel pelayanan

Analisis aksesibilitas spasial dilakukan dengan metode Network Analysis menggunakan jaringan jalan untuk mengukur jarak tempuh nyata dari lokasi fasilitas yang tersedia ke wilayah sekitarnya sesuai radius jangkauan standar.

2.7 Identifikasi Wilayah Prioritas

Penetapan kawasan prioritas pengembangan layanan publik diperoleh dari hasil overlay spasial antara peta prediksi kawasan terbangun tahun 2029 dengan peta jangkauan aksesibilitas fasilitas eksisting. Wilayah yang masuk dalam kategori kawasan terbangun namun berada di luar jangkauan pelayanan (unserved built-up area) serta didukung oleh nilai defisit kependudukan yang tinggi ditetapkan sebagai zona prioritas utama untuk penambahan fasilitas baru.

3. HASIL DAN PEMBAHASAN 3.1 Hasil Prediksi Kawasan Terbangun

Pemodelan perubahan tutupan lahan di kawasan Bandung Raya dilakukan dengan mengintegrasikan algoritma Cellular Automata dan Artificial Neural Network (CA-ANN). Algoritma ANN dimanfaatkan untuk menganalisis hubungan non-linear antarvariabel pendorong (driving factors) spasial seperti jaringan jalan, elevasi, dan kemiringan lereng. Integrasi variabel-variabel tersebut menghasilkan peta potensi transisi lahan (transition potential map) yang menggambarkan kecenderungan arah pertumbuhan kawasan.

Sebelum hasil prediksi tahun 2029 dimanfaatkan lebih jauh untuk analisis kebutuhan sarana publik, uji akurasi model dilakukan terlebih dahulu untuk memastikan keandalan hasil simulasi. Hasil evaluasi menunjukkan performa pemodelan yang sangat tinggi, dengan tingkat kebenaran (Percentage of Correctness) mencapai 93,69%. Nilai koefisien Kappa secara keseluruhan (Kappa overall) mencatatkan angka 0,9105, sementara indikator kuantitas (Kappa histogram) dan lokasi (Kappa location) masing-masing sebesar 0,9788 dan 0,9302. Angka-angka ini mengonfirmasi bahwa model CA-ANN memiliki tingkat validitas dan presisi spasial yang sangat baik dalam mereplikasi pola perkembangan kawasan terbangun.

Peta 1

Gambar 4. Peta Prediksi Tutupan Lahan Tahun 2029 (Sumber : Hasil Analisis, 2026)

Berdasarkan Gambar 4 yang menampilkan hasil prediksi periode 2029, kawasan Metropolitan Bandung Raya mengalami penambahan luas kawasan terbangun sebesar 7.443,63 hektar. Secara spasial, konversi tutupan lahan ini didominasi oleh perambahan lahan non-terbangun di sepanjang koridor jaringan jalan utama (ribbon development). Aksesibilitas jalan menjadi faktor determinan utama yang mempercepat pergeseran fungsi lahan menjadi kawasan permukiman, industri, dan komersial, khususnya pada wilayah peri-urban yang terhubung langsung dengan pusat-pusat kegiatan ekonomi.

3.2 Proyeksi Penduduk 2029

Dinamika demografi di kawasan Metropolitan Bandung Raya menunjukkan tren peningkatan populasi secara berkelanjutan di setiap wilayah administratif. Rincian pertumbuhan jumlah penduduk tahunan untuk wilayah Kota Bandung, Kota Cimahi, Kabupaten Bandung, dan Kabupaten Bandung Barat pada kurun waktu 2020 hingga 2025 disajikan pada Tabel 3.

Tabel 3. Data Kependudukan Tahun 2020-2025

Data penduduk 2020-2025

Berdasarkan tren data kependudukan tahun 2020–2025, dilakukan perhitungan laju pertumbuhan penduduk tahunan untuk memproyeksikan jumlah populasi pada tahun 2029. Perhitungan proyeksi ini menerapkan rumus Compound Annual Growth Rate (CAGR) dengan mengasumsikan pola pertumbuhan penduduk yang konsisten di setiap wilayah. Hasil estimasi pertumbuhan serta proyeksi total populasi Bandung Raya untuk tahun 2029 disajikan secara rinci pada Tabel 4.

Tabel 4. Proyeksi Data Kependudukan Tahun 2029

Proyeksi penduduk 2029

Hasil perhitungan menunjukkan bahwa Kabupaten Bandung tetap menjadi wilayah dengan total populasi terbesar di Bandung Raya, yang diproyeksikan mencapai 3.915.781 jiwa pada tahun 2029. Di sisi lain, laju pertumbuhan penduduk tertinggi dicatatkan oleh Kota Cimahi dan Kabupaten Bandung Barat dengan nilai CAGR masing-masing sebesar 1,30% per tahun. Tingginya laju pertumbuhan di Kabupaten Bandung Barat mencerminkan pergeseran pusat pertumbuhan penduduk ke wilayah pinggiran (suburbanization), di mana ekspansi kawasan permukiman baru banyak berkembang menyusuri koridor aksesibilitas jalan utama. Peningkatan jumlah penduduk yang signifikan ini berimplikasi langsung terhadap melonjaknya estimasi kebutuhan pelayanan sarana dasar, baik di sektor pendidikan maupun kesehatan pada tahun 2029.

3.3 Kebutuhan dan Kekurangan Fasilitas Publik

Estimasi kebutuhan fasilitas publik pada tahun 2029 dihitung berdasarkan standar daya tampung dan rasio pendukung kependudukan yang mengacu pada SNI 03-1733-2004. Perhitungan ini membandingkan unit fasilitas eksisting yang tersedia (existing supply) dengan jumlah unit minimum yang dibutuhkan untuk melayani total populasi proyeksi pada tahun 2029. Perbandingan tiap fasilitas yang tersedia dengan kebutuhan SNI dapat dilihat pada Gambar 5.

Fasilitias tersedia dan kebutuhan

Gambar 5. Grafik Perbandingan Fasilitas Tersedia dan Kebutuhan Fasilitas Menurut SNI

Berdasarkan analisis ambang batas standar SNI 03-1733-2004, seluruh wilayah di Metropolitan Bandung Raya mengalami kekurangan unit fasilitas pendidikan yang sangat signifikan pada tahun 2029. Defisit ketersediaan fisik ini terjadi pada hampir seluruh jenjang sekolah, mulai dari tingkat Sekolah Dasar (SD), Sekolah Menengah Pertama (SMP), hingga Sekolah Menengah Atas (SMA). Kabupaten Bandung memikul beban defisit terberat dengan kekurangan sebesar 1.249 unit SD, 416 unit SMP, dan 680 unit SMA dari total kebutuhan idealnya. Kondisi serupa dijumpai di Kota Bandung yang mengalami defisit 1.054 unit SD, 243 unit SMP, dan 373 unit SMA, serta Kota Cimahi yang mencatatkan kekurangan 263 unit SD, 73 unit SMP, dan 110 unit SMA. Sementara itu, Kabupaten Bandung Barat mencatatkan defisit sebesar 11 unit SD dan 270 unit SMA, meskipun ketersediaan unit SMP-nya secara kuantitatif telah melampaui standar kebutuhan minimum SNI.

Berbeda dengan sektor pendidikan, ketersediaan unit fisik fasilitas kesehatan di seluruh kabupaten/kota secara agregat telah melampaui batas kebutuhan minimum rasio kependudukan. Berdasarkan standar rasio 120.000 jiwa per unit Puskesmas, jumlah unit fisik eksisting yang tersedia di lapangan sudah melebihi estimasi kebutuhan proyeksi tahun 2029. Kabupaten Bandung memiliki 44 unit Puskesmas eksisting dari kebutuhan 33 unit, sedangkan Kabupaten Bandung Barat menyediakan 36 unit dari kebutuhan 17 unit. Di wilayah perkotaan, Kota Bandung mencatatkan 65 unit eksisting dari kebutuhan 22 unit, dan Kota Cimahi memiliki 20 unit dari kebutuhan 6 unit. Meskipun secara kuantitas jumlah unit Puskesmas tercukupi, kecukupan angka ini belum mencerminkan pemerataan jangkauan pelayanan secara spasial untuk melayani seluruh kantong permukiman.

3.4 Overlay Pertumbuhan Kawasan Terbangun dan Aksesibilitas

Berdasarkan analisis aksesibilitas spasial, kawasan Metropolitan Bandung Raya menunjukkan variasi keterjangkauan yang kontras antara pusat perkotaan dan wilayah penyangga yang ditampilkan pada Gambar 6.

faspendankes

Gambar 6. Peta Keterjangkauan Fasilitas Pendidikan dan Kesehatan

Pada Kota Bandung dan Kota Cimahi, penyediaan fasilitas publik secara umum telah memenuhi cakupan spasial kawasan terbangun, di mana hampir seluruh area permukiman berada dalam radius pelayanan yang ideal (served built-up area). Sebaliknya, kesenjangan aksesibilitas (service gaps) dominan terjadi di Kabupaten Bandung dan Kabupaten Bandung Barat. Pada jenjang Puskesmas, SD, dan SMA, kawasan terbangun yang tidak terjangkau (unserved built-up area) sebagian besar terkonsentrasi di wilayah peri-urban kedua kabupaten tersebut. Namun, fenomena keterbatasan akses paling krusial dijumpai pada jenjang SMP, di mana area terbangun yang berada di luar jangkauan pelayanan tidak hanya teridentifikasi di kawasan kabupaten, tetapi juga merambah hingga ke pusat perkotaan di Kota Bandung dan Kota Cimahi.

Di samping kawasan terbangun, pemetaan ini juga mengidentifikasi proporsi kawasan non-terbangun yang berada di dalam jangkauan pelayanan (served non-built-up area). Kawasan ini dominan ditemukan di sekitar pinggiran Kota Bandung, Kota Cimahi, serta koridor utama Kabupaten Bandung dan Kabupaten Bandung Barat yang belum mengalami pembangun padat. Keberadaan lahan non-terbangun yang telah terjangkau oleh jaringan jalan dan infrastruktur dasar ini memiliki nilai strategis yang tinggi, sebab area tersebut berpotensi dimanfaatkan sebagai cadangan lahan (land banking) untuk alokasi pembangunan sarana publik baru di masa depan seiring dengan meningkatnya ekspansi permukiman.

Sementara itu, kategori kawasan non-terbangun di luar jangkauan pelayanan (unserved non-built-up area) mendominasi wilayah pedesaan, perbukitan, serta kawasan lindung/konservasi di bagian utara dan selatan Kabupaten Bandung serta Kabupaten Bandung Barat. Karena kawasan ini belum mengalami pertumbuhan fisik yang signifikan dan berada jauh dari pusat aktivitas kependudukan, ketidakterjangkauan fasilitas pada area ini belum menjadi prioritas mendesak untuk intervensi fisik sarana dasar saat ini. Meski demikian, pemantauan spasial tetap diperlukan agar perkembangan kawasan terbangun yang menyusuri jalur transportasi umum di masa depan dapat diimbangi dengan perencanaan alokasi fasilitas publik yang presisi dan terarah.

Perbandingan jangkauan fasilitas

Tabel 5. Perbandingan Jangkauan Fasilitas dari Area Terbangun dan Non-Terbangun

Data kuantitatif luasan area berdasarkan empat tipologi keterjangkauan spasial untuk setiap jenjang fasilitas di seluruh wilayah Metropolitan Bandung Raya disajikan secara rinci pada Tabel 5. Untuk memberikan gambaran visual yang lebih jelas mengenai ketimpangan proporsi antarwilayah, data luasan tersebut dipetakan ke dalam bentuk grafik batang komparatif. Visualisasi perbandingan proporsi luasan area dalam jangkauan dan di luar jangkauan pelayanan untuk masing-masing fasilitas publik dapat dilihat pada Gambar 7.

Grafik perbandingan area

Gambar 7. Grafik Perbandingan Area Dalam Jangkauan dan Diluar Jangkauan Pelayanan

Integrasi antara proyeksi pertumbuhan fisik kawasan terbangun, defisit kependudukan, dan ketimpangan jangkauan spasial menghasilkan sintesis wilayah prioritas intervensi penambahan fasilitas publik di Metropolitan Bandung Raya. Penetapan wilayah prioritas utama difokuskan pada area yang memenuhi kombinasi kriteria khusus, yaitu mengalami pertumbuhan kawasan terbangun yang pesat pada periode 2025–2029 (terutama di sepanjang koridor jalan utama), teridentifikasi sebagai kawasan terbangun di luar jangkauan pelayanan (unserved built-up area), serta berada di daerah dengan tingkat defisit kependudukan yang tinggi, khususnya di Kabupaten Bandung dan Kabupaten Bandung Barat. Pendekatan terpadu ini penting agar alokasi pembangunan infrastruktur publik dapat merespons dinamika perkembangan fisik kota secara presisi dan terarah. Oleh karena itu, klasifikasi arahan strategi dibagi berdasarkan empat tipologi karakteristik keterjangkauan spasial kawasan untuk menjamin pemerataan pelayanan dasar di seluruh wilayah kajian.

Strategi prioritas pertama dan kedua berfokus pada penanganan kawasan terbangun melalui pendekatan intervensi fisik serta optimalisasi layanan eksisting. Pada tipologi terbangun di luar jangkauan, intervensi diprioritaskan untuk Pembangunan Unit Sekolah Baru (USB) pada zona-zona suburban di Kabupaten Bandung dan Kabupaten Bandung Barat yang mengalami pertumbuhan permukiman pesat namun belum terlayani radius 1 km dari SD dan SMP eksisting. Selain sektor pendidikan, kawasan ini juga mendesak untuk dilakukan redistribusi lokasi pelayanan kesehatan serta pembangunan Puskesmas Pembantu (Pustu) pada kantong permukiman pinggiran yang berada di luar jangkauan radius 3 km. Sementara itu, pada tipologi terbangun dalam jangkauan, fokus utama diarahkan pada pemeliharaan rutin, peningkatan daya tampung, serta optimalisasi kapasitas dan kualitas fasilitas eksisting agar mampu melayani lonjakan populasi tanpa perlu menambah unit bangunan baru.

Strategi prioritas ketiga dan keempat diterapkan pada kawasan non-terbangun untuk mengendalikan pola pemekaran kota di masa depan. Pada tipologi non-terbangun dalam jangkauan, area yang berada di sekitar koridor jalan utama diarahkan sebagai cadangan lahan strategis (land banking) untuk alokasi pembangunan fasilitas publik masa depan sebelum terjadi peningkatan harga tanah dan pemadatan kawasan secara tak terkendali. Sebaliknya, pada tipologi non-terbangun di luar jangkauan, kawasan ditetapkan secara ketat sebagai zona proteksi dan konservasi lingkungan yang dibatasi pengembangan fisiknya. Pembatasan aksesibilitas dan pembangunan infrastruktur dasar pada zona ini bertujuan untuk mencegah pembukaan lahan baru secara masif serta mengendalikan potensi pemekaran acak (urban sprawl) di wilayah aglomerasi Bandung Raya. Puskesmas Pembantu (Pustu) di kantong-kantong permukiman pinggiran yang berada di luar jangkauan radius 3 km. Selain itu, pemanfaatan lahan non-terbangun yang berada di dalam jangkauan koridor jalan utama diarahkan sebagai cadangan lahan (land banking) strategis untuk alokasi fasilitas publik masa depan sebelum terjadi peningkatan harga lahan dan pemadatan kawasan.

4. KESIMPULAN DAN REKOMENDASI

4.1 Kesimpulan

Berdasarkan hasil analisis spasial, pemodelan prediktif, dan evaluasi aksesibilitas fasilitas publik di Wilayah Metropolitan Bandung Raya, dapat ditarik beberapa kesimpulan utama sebagai berikut:

  1. 1.
    Pemodelan prediktif berbasis Cellular Automata - Artificial Neural Network (CA-ANN) mencatatkan tingkat akurasi yang sangat tinggi (Overall Accuracy 93,69% dan Overall Kappa 0,9105) dengan proyeksi penambahan kawasan terbangun sebesar 7.443,63 ha pada periode 2025–2029 yang terkonsentrasi menyusuri koridor jaringan jalan utama (ribbon development).
  1. 2.
    Evaluasi pelayanan publik menunjukkan adanya pemisahan antara kecukupan spasial dan kapasitas kuantitatif. Kota Bandung dan Kota Cimahi secara umum terlayani secara optimal dari segi jangkauan jarak geografis, namun mengalami defisit kuantitas unit sekolah (khususnya SD dan SMA) berdasarkan standar rasio populasi SNI 03-1733-2004, yang mengindikasikan tingginya risiko beban layanan berlebih (overcapacity).
  1. 3.
    Kesenjangan jangkauan fisik (unserved built-up area) terkonsentrasi di wilayah peri-urban Kabupaten Bandung dan Kabupaten Bandung Barat pada seluruh jenjang fasilitas (Puskesmas, SD, SMP, SMA), dengan keterbatasan jangkauan paling krusial ditemukan pada jenjang SMP yang kawasannya meluas hingga kantong permukiman perkotaan.

4.2 Rekomendasi

Berdasarkan temuan penelitian, disusun beberapa rekomendasi strategis bagi pemerintah daerah dan pemangku kebijakan tata ruang di Bandung Raya:

  1. 1.
    Terbangun di Luar Jangkauan (Unserved Built-up Area): Menjadi prioritas utama intervensi fisik berupa Pembangunan Unit Sekolah Baru (USB) pada jenjang SD, SMP, dan SMA di zona suburban Kabupaten Bandung dan Kabupaten Bandung Barat, serta redistribusi lokasi Puskesmas Pembantu (Pustu) untuk mendekatkan layanan kesehatan dasar pada kantong permukiman pinggiran.
  1. 2.
    Terbangun dalam Jangkauan (Served Built-up Area): Difokuskan pada optimalisasi dan penambahan kapasitas daya tampung ruang kelas atau fasilitas eksisting—khususnya di Kota Bandung dan Kota Cimahi—guna mengatasi defisit rasio populasi tanpa perlu membangun unit sekolah baru di lokasi berbeda.
  1. 3.
    Non-Terbangun di Luar Jangkauan: Ditetapkan sebagai zona proteksi dan konservasi lingkungan dengan pembatasan izin pembangunan guna mencegah perluasan kawasan terbangun secara acak (urban sprawl).
  1. 4.
    Non-Terbangun dalam Jangkauan (Served Non-built-up Area): Dicadangkan secara terbatas khusus untuk area ekspansi fisik (perluasan lahan) bagi fasilitas eksisting di sekitarnya yang diproyeksikan mengalami peningkatan beban pelayanan di masa depan.

DAFTAR PUSTAKA

Akbar, R., Cahyo, M. A., & Maula, F. K. (2018). Identification of the effectiveness of clustering (rayonisasi) system in an effort to evenly distribute accessibility towards high school education facilities in Bandung City. Journal of Regional and City Planning, 29(1), 32–44.3

Fuadina, L. N., Rustiadi, E., & Pravitasari, A. E. (2020). The dynamic of land use changes and regional development in Bandung Metropolitan Area. IOP Conference Series: Earth and Environmental Science, 556(1), 012002.

Manessa, M. D. M., Kamil, R., Setiaji, S., Ningrum, I., Suseno, W., Rahmayanti, I., Zulkarnain, F., Ardiansyah, A., Lesmini, I., Tasdiq, R. H., & Moe, I. R. (2020). A spatial time series forecasting for mapping the risk of COVID-19 pandemic over Bandung Metropolitan Area, West Java, Indonesia. Earth Resources and Environmental Remote Sensing/GIS Applications XI.

Rohmah, D. F. (2025). Analisis spatio-temporal perubahan lahan pertanian dan perkembangan wilayah di Kawasan Metropolitan Bandung Raya [Skripsi, Institut Pertanian Bogor].

Sarastika, T., Saraswati, Y., Triyadi, R. A., & Susena, Y. (2024). Pemodelan prediksi konversi penggunaan lahan berbasis ANN-CA di wilayah peri-urban Kabupaten Sleman. JTSL (Jurnal Tanah dan Sumberdaya Lahan), 11(1), 161–17318

Virtriana, R., Ihsan, K. T. N., Anggraini, T. S., Deliar, A., Harto, A. B., Riqqi, A., & Sakti, A. D. (2025). Development of location suitability prediction for health facilities using random forest machine learning in 2030 integrating remote sensing and GIS in West Java, Indonesia. Environmental Advances, 19, 100604.

Wijaya, N. (2015). Deteksi perubahan penggunaan lahan dengan citra Landsat dan sistem informasi geografis: Studi kasus di wilayah Metropolitan Bandung, Indonesia. Geoplanning: Journal of Geomatics and Planning, 2(2), 82–9292

Data Publikasi

Analisis Kerawanan Longsor Berbasis Random Forest Menggunakan Data Penginderaan Jauh dan Sistem Informasi Geografis untuk Pengembangan WebGIS Kerawanan Longsor di Wilayah Bandung Raya

Iklim dan Bencana

28 Sep 2026

•

Reggie Anjlina

Analisis Kerawanan Longsor Berbasis Random Forest Menggunakan Data Penginderaan Jauh dan Sistem Informasi Geografis untuk Pengembangan WebGIS Kerawanan Longsor di Wilayah Bandung Raya

Pemetaan kerawanan longsor Bandung Raya berbasis Random Forest, penginderaan jauh, dan SIG melalui WebGIS interaktif untuk mendukung mitigasi bencana.

41 menit baca

•

39 dilihat

Analisis Kesesuaian Lokasi dan Peluang Pasar untuk Ekspansi Gerai HokBen Berbasis Location Intelligence di Kota Surabaya

Makanan dan Minuman

06 Sep 2026

•

Ridhwan Saputra

Analisis Kesesuaian Lokasi dan Peluang Pasar untuk Ekspansi Gerai HokBen Berbasis Location Intelligence di Kota Surabaya

Analisis site selection ekspansi gerai HokBen di Kota Surabaya menggunakan GIS untuk mengintegrasikan land suitability, market opportunity, demografi, POI, aksesibilitas, dan harga lahan. Hasil analisis QGIS dibandingkan dengan GEO MAPID Site Selection untuk mengidentifikasi area potensial berdasarkan kesesuaian lokasi dan peluang pasar.

24 menit baca

•

564 dilihat

Rekomendasi Lokasi Optimal Pengembangan Kawasan Permukiman dengan Metode Multi-Criteria Scoring di Kawasan BSD Barat, Kabupaten Tangerang

Perumahan

21 Sep 2026

•

Asti Ardiningrum

Rekomendasi Lokasi Optimal Pengembangan Kawasan Permukiman dengan Metode Multi-Criteria Scoring di Kawasan BSD Barat, Kabupaten Tangerang

Penelitian dengan analisis spasial multi-kriteria pada kawasan BSD Baru mengidentifikasi bahwa wilayah selatan (sebagian Jatake, Situ Gadung, dan Sampora) merupakan lokasi paling optimal (Sangat Sesuai) untuk kawasan permukiman karena didukung akses langsung Tol Serpong–Balaraja dan stasiun KRL. Temuan yang selaras dengan RTRW 2021–2031 dan Masterplan BSD City ini menempatkan wilayah selatan sebagai prioritas utama pembangunan bagi pengembang sekaligus opsi hunian dan investasi terbaik bagi masyarakat.

14 menit baca

•

388 dilihat

1 Proyek

LOCATION ANALYTICS UNTUK PEMILIHAN LOKASI OPTIMAL GERAI RITEL BAHAN BANGUNAN DAN PERALATAN RUMAH TANGGA DI KOTA TANGERANG SELATAN

Retail

04 Sep 2026

•

Aditya Jaelawijaya

LOCATION ANALYTICS UNTUK PEMILIHAN LOKASI OPTIMAL GERAI RITEL BAHAN BANGUNAN DAN PERALATAN RUMAH TANGGA DI KOTA TANGERANG SELATAN

Pertumbuhan sektor properti dan permukiman di Kota Tangerang Selatan mendorong peningkatan permintaan terhadap produk perbaikan rumah (home improvement) dan bahan bangunan. Namun, penentuan lokasi gerai ritel modern kerap dihadapkan pada ketidakpastian spasial dan risiko kegagalan investasi akibat keterbatasan analisis konvensional yang tidak mempertimbangkan interaksi keruangan. Penelitian ini bertujuan untuk menentukan lokasi optimal bagi ekspansi gerai ritel bahan bangunan dan peralatan rumah tangga di Kota Tangerang Selatan dengan memanfaatkan pendekatan Location Analytics berbasis Multi-Criteria Spatial Scoring pada platform GEO MAPID. Metode yang digunakan mengintegrasikan variabel jaringan jalan primer (arteri/kolektor utama), sebaran permukiman dan ruko komersial, kluster sebaran toko kompetitor eksisting, serta pemodelan Point of Interest (POI) dan data demografi melalui fitur SINI GEO MAPID ke dalam agregasi grid heksagon berstandar H3. Hasil analisis menunjukkan bahwa zona kesesuaian sangat tinggi (high suitability) terkonsentrasi secara linier di sepanjang koridor jalan arteri utama, khususnya pada kluster Paku Jaya – Serpong Utara, koridor Pondok Aren – Bintaro, dan simpul Ciputat – Pamulang. Area-area tersebut memiliki nilai aksesibilitas prima, visibilitas tinggi, serta kepadatan demografi konsumen hunian yang masif. Pendekatan spatial scoring heksagon pada GEO MAPID terbukti efektif memetakan potensi pasar mikro secara presisi, meminimalkan risiko kanibalisasi gerai, dan memberikan rekomendasi lokasi ekspansi bisnis ritel yang berbasis data spasial komprehensif.

17 menit baca

•

355 dilihat

1 Proyek

Syarat dan Ketentuan
Pendahuluan
  • MAPID adalah platform yang menyediakan layanan Sistem Informasi Geografis (GIS) untuk pengelolaan, visualisasi, dan analisis data geospasial.
  • Platform ini dimiliki dan dioperasikan oleh PT Multi Areal Planing Indonesia, beralamat