DOI: https://doi.org/10.14710/jpk.12.2.162-173

IDENTIFIKASI FUNGSI PERKOTAAN KAWASAN KOTABARU, KOTA YOGYAKARTA MENGGUNAKAN DATA SURVEI LAPANGAN DAN POINT OF INTEREST GOOGLE MAPS

*Renindya Azizza Kartikakirana scopus  -  Program Studi Perencanaan Wilayah dan Kota, Fakultas Sains dan Teknologi, Universitas Amikom Yogyakarta, Indonesia
Arif Dwi Laksito  -  Program Studi Informatika, Fakultas Ilmu Komputer, , Indonesia
Gardyas Bidari Adninda  -  Program Studi Perencanaan Wilayah dan Kota, Fakultas Sains dan Teknologi, Universitas Amikom Yogyakarta, Indonesia
Irfan Rifani  -  Program Studi Perencanaan Wilayah dan Kota, Fakultas Sains dan Teknologi, Universitas Amikom Yogyakarta, Indonesia
Open Access Copyright (c) 2024 Renindya Azizza Kartikakirana, Arif Dwi Laksito, Gardyas Bidari Adninda, Irfan Rifani

Citation Format:
Abstract

Identifikasi fungsi kota yang akurat dan efektif sangat penting untuk mengoptimalkan pengalokasian tata ruang kota dan memonitoring perkembangan kota, termasuk di Kawasan Kotabaru, Yogyakarta. Penelitian ini berusaha membandingkan hasil antara 2 metode identifikasi fungsi perkotaan, yaitu interpretasi citra disertai survei lapangan dan data Point of Interest (POI). Penelitian ini menggunakan pendekatan deduktif-kuantitatif-kualitatif. Berdasarkan hasil penelitian diperoleh bahwa terdapat perbedaan hasil identifikasi fungsi perkotaan Kawasan Kotabaru antara metode identifikasi melalui interpretasi citra disertai survei lapangan dan data Point of Interest (POI). Perbedaan hasil ini dikarenakan POI yang diperoleh dari google maps secara gratis hanya 60 POI (tidak semua POI pada kawasan). Adapun metode identifikasi fungsi perkotaan yang lebih efektif dari segi output yang dihasilkan yaitu metode interpretasi citra disertai survei lapangan. Dari segi efektivitas waktu dan efisiensi biaya, metode yang lebih baik yaitu metode data POI. Dengan demikian, dapat disimpulkan bahwa untuk memperoleh data yang akurat lebih baik menggunakan metode interpretasi disertai validasi survei lapangan. Namun jika untuk memonitoring perkembangan kota secara cepat dan murah, maka metode data POI lebih baik digunakan dari pada metode interpretasi disertai survei lapangan.

Fulltext View|Download Email colleagues
Keywords: Fungsi Perkotaan; Point of Interest; Interpretasi; Survei Lapangan
Funding: Lembaga Penelitian dan Pengabdian Masyarakat Universitas Amikom Yogyakarta dengan kontrak No: (8280/KONTRAK-LPPM/AMIKOM/X/2022), tanggal (27 Januari 2023).

Article Metrics:

Article Info
Section: ARTICLES
Language : ID
  1. Arifin, F., & Kurniadi, B. (2024). Implementation of the Development Planning Deliberation Policy (Musrenbang) in Sumur Bandung Sub District. Jurnal Ilmu Sosial dan Pendidikan (JISIP), 8(1), 288-295. doi: 10.58258/jisip.v7i1.6130/http://ejournal.mandalanursa.org/index.php/JISIP/index
  2. Hu, Y., & Han, Y. (2019). Identification of Urban Functional Areas Based on POI Data: A Case Study of the Guangzhou Economic and Technological Development Zone. Sustainability, 11(5). Retrieved from doi: 10.3390/su11051385
  3. Kartikakirana, R. A., & Neritarani, R. (2022). Perkembangan Fungsi Perkotaan Kawasan Kotabaru, Kota Yogyakarta Ditinjau Pada Periode 1925 Dan 2021. Jurnal Pengembangan Kota, 10(1), 83-92. doi: https://doi.org/10.14710/jpk.10.1.83-92
  4. Li, W., Batty, M., & Goodchild, M. F. (2020). Real-time GIS for Smart Cities. International Journal of Geographical Information Science, 34(2), 311-324. doi: 10.1080/13658816.2019.1673397
  5. Li, Y., Liu, C., & Li, Y. (2022). Identification of Urban Functional Areas and Their Mixing Degree Using Point of Interest Analyses. Land, 11(7). Retrieved from doi: 10.3390/land11070996
  6. Liu, B., Deng, Y., Li, M., Yang, J., & Liu, T. (2021). Classification Schemes and Identification Methods for Urban Functional Zone: A Review of Recent Papers. Applied Sciences, 11(21). Retrieved from doi: 10.3390/app11219968
  7. Luo, G., Ye, J., Wang, J., & Wei, Y. (2023). Urban Functional Zone Classification Based on POI Data and Machine Learning. Sustainability, 15(5). Retrieved from doi: 10.3390/su15054631
  8. Mauludya, Y. E. J., & Susetyo, C. (2024). Identifikasi Bobot Point of Interest (POI) di Kabupaten Sukoharjo Bagian Utara. Journal of Scientech Research and Development, 6(1), 1338-1351. doi: https://doi.org/10.56670/jsrd.v6i1.394
  9. Mitchell, R. (2018). Web Scraping with Python: Collecting More Data from The Modern Web: "O'Reilly Media, Inc."
  10. Peraturan Gubernur (Pergub) Provinsi Daerah Istimewa Yogyakarta Nomor 9 Tahun 2023 tentang Strategi Pengembangan Wilayah Satuan Ruang Strategis Kasultanan dan Satuan Ruang Strategis Kadipaten Tahun 2023-2043
  11. Peraturan Walikota (Perwali) Kota Yogyakarta Nomor 118 Tahun 2021 tentang Rencana Detail Tata Ruang Kota Yogyakarta Tahun 2021 - 2041
  12. Psyllidis, A., Gao, S., Hu, Y., Kim, E.-K., McKenzie, G., Purves, R., . . . Andris, C. (2022). Points of Interest (POI): A Commentary on The State of The Art, Challenges, and Prospects for The Future. Computational Urban Science, 2(1), 20. doi: 10.1007/s43762-022-00047-w
  13. Thomas, D. M., & Mathur, S. (2019). Data Analysis by Web Scraping using Python. Paper presented at the 2019 3rd International conference on Electronics, Communication and Aerospace Technology (ICECA)
  14. Wang, Z., Ma, D., Sun, D., & Zhang, J. (2021). Identification and Analysis of Urban Functional Area in Hangzhou based on OSM and POI Data. PLoS one, 16(5), e0251988. doi: https://doi.org/10.1371/journal.pone.0251988
  15. Wei, F., Koc, E., Li, N., Soibelman, L., & Wei, D. (2022). A Data-Driven Framework to Evaluate The Indirect Economic Impacts of Transportation Infrastructure Disruptions. International Journal of Disaster Risk Reduction, 75, 102946. doi: https://doi.org/10.1016/j.ijdrr.2022.102946
  16. Xing, H., & Meng, Y. (2020). Measuring Urban Landscapes for Urban Function Classification Using Spatial Metrics. Ecological Indicators, 108, 105722. doi: https://doi.org/10.1016/j.ecolind.2019.105722
  17. Xinyong, P., Yi, Y., Yaojun, C., Jingwen, L., Yin, M., & Wenjie, W. (2024). Identification and spatio-temporal characterization of urban functional areas based on POI data. Paper presented at the Proc. SPIE 13064, Seventh International Conference on Traffic Engineering and Transportation System (ICTETS 2023)
  18. Xu, R., Chen, Z., Li, F., & Zhou, C. (2023). Identification of Urban Functional Zones Based on POI Density and Marginalized Graph Autoencoder. ISPRS International Journal of Geo-Information, 12(8). Retrieved from doi: 10.3390/ijgi12080343
  19. Ye, C., Zhang, F., Mu, L., Gao, Y., & Liu, Y. (2020). Urban Function Recognition by Integrating Social Media and Street-Level Imagery. Environment and Planning B: Urban Analytics and City Science, 48(6), 1430-1444. doi: 10.1177/2399808320935467
  20. Yusuf, M. A. (2014). Metode Penelitian: Kuantitatif, Kualitatif, dan Penelitian Gabungan. Jakarta: Prenadamedia Group
  21. Živković, J. (2019). Urban Form and Function. In W. Leal Filho, U. Azeiteiro, A. M. Azul, L. Brandli, P. G. Özuyar, & T. Wall (Eds.), Climate Action (pp. 1-10). Cham: Springer International Publishing

Last update:

No citation recorded.

Last update:

No citation recorded.