Sunday, December 2, 2018

Pengaruh perencanaan kota dalam membimbing pertumbuhan perkotaan


Pengaruh perencanaan kota dalam membimbing pertumbuhan perkotaan (lokasi studi: Shenzhen, Cina)



Artikel ini membahas mengenai:
1.         apakah perencanaan kota berperan dalam mengendalikan pertumbuhan kota dan kuantitatif mengevaluasi sejauh mana program ini memainkan peran seperti itu
2.         apakah perencanaan kota berperan dalam membimbing pembaruan perkotaan dan pengembangan dan kuantitatif mengevaluasi sejauh mana program ini memainkan peran tersebut
3.         selisih kebijakan tumpang tindih dalam perencanaan kota

Artikel ini terutama berfokus pada fungsi pemerintahan daerah konstruksi dalam pertumbuhan perkotaan dan pembangunan skala spasial, termasuk pada tingkat regional kontrol perencanaan kota pada pertumbuhan perkotaan, pada skala menengah fungsi kontrol diklasifikasikan konstruksi tanah dalam membimbing pembaruan perkotaan dan pengembangan tumpang tindih dengan infrastruktur jalan. (Lihat Gambar. 1)



       Pada tahun 1980, sesuai dengan Peraturan Guangdong Zona Ekonomi Khusus, 327,5 km 2 Shenzhen selatan didirikan sebagai Kawasan Ekonomi Khusus (KEK), meliputi Luohu, Futian, Nanshan, dan kabupaten Yantian. Selain itu, pemerintah kota merumuskan Rencana Master of Shenzhen Zona Ekonomi Khusus pada tahun 1982 dan Master Plan Shenzhen Zona Ekonomi Khusus (1986 - 2000) pada tahun 1986, yang mengadopsi kebijakan cluster dan titik-sumbu tata ruang untuk mengontrol pembangunan perkotaan dalam KEK. Namun, kurangnya perencanaan yang sistematis dan keacakan perkembangan luar SEZ telah mengakibatkan penggunaan lahan tertata dan pengembangan.

Untuk lebih mengontrol urban sprawl, pemerintah kota Shenzhen dirumuskan Kota Shenzhen Master Plan (1996 - 2010), sebuah perencanaan kota komprehensif yang berusaha untuk mengkoordinasikan dan mengendalikan pembangunan kota. Akibatnya, cluster dan titik-sumbu pembangunan Struktur diperpanjang di luar SEZ ke seluruh daerah. Merupakan bagian penting dari perencanaan kota, tata letak transportasi kereta api memainkan peran membimbing penting dalam pembangunan perkotaan dan pembangunan kembali. mulai 2010, jarak tempuh dari jaringan transportasi kereta api di Shenzhen telah mencapai total panjang 249,39 km, yang sebagian besar di KEK.

Model regresi logistic digunakan untuk kuantitatif menggambarkan hubungan antara pengaruh faktor dan pembangunan perkotaan. Model regresi logistik dapat menentukan peran dan intensitas yang explanatory variabel Xn berkontribusi dalam probabilitas terjadinya kategoris variabel dependen Y. Dengan asumsi bahwa X adalah variabel respon dan P adalah probabilitas respon model, model regresi yang sesuai adalah sebagai berikut:


dimana p 1 = P ((y i = 1 | X 1i, X 2i ..., X ki) mengindikasikan probabilitas terjadinya peristiwa yang diberikan nilai dari serangkaian variabel independen X 1i. X 2i ..., X ki. α menunjukkan mencegat dan β lereng.

Pada tingkat regional lahan konstruksi baru diambil sebagai variabel dependen, dengan 1 menunjukkan bahwa lahan pertanian dikonversi ke tanah konstruksi, dan 0 menunjukkan bahwa lahan pertanian tetap tidak berubah. Pada skala menengah variabel dependen adalah perumahan, komersial dan lahan industri semua direklamasi dari tanah dimaksudkan lainnya menggunakan, di mana 1 menunjukkan bahwa pembaharuan yang relevan telah terjadi, sedangkan 0 menunjukkan tidak ada pembaharuan. Ketika menyelidiki ruang perumahan dan transportasi kereta api, 1 menunjukkan bahwa tanah konstruksi diubah menjadi lahan perumahan, dan 0 menunjukkan situasi pembaharuan lainnya (seperti yang ditunjukkan di Gambar. 4)




Seperti ditunjukkan dalam tabel 2, dalam signifi variabel independen tidak bisa.

Faktor utama pertama aksesibilitas dan kepadatan jalan cabang berkorelasi negatif dengan peningkatan lahan konstruksi. Hal ini menunjukkan bahwa probabilitas ekspansi perkotaan terus menurun dengan penurunan aksesibilitas. Kepadatan tanah konstruksi berkorelasi negatif dengan peningkatan lahan konstruksi, menunjukkan bahwa semakin tinggi proporsi lahan konstruksi yang ada, lahan konstruksi kurang baru akan digunakan. Hal ini sesuai dengan kenyataan, karena tanah konstruksi baru terutama terkonsentrasi di luar SEZ.

Ada korelasi positif antara kepadatan tanah yang tidak terpakai dan baru ditambahkan tanah konstruksi, menunjukkan bahwa tingkat pemanfaatan lahan di Shenzhen tinggi. Pertumbuhan kepadatan penduduk selama tahun 2000 - 2010 secara positif berkaitan dengan tanah konstruksi baru ditambahkan, menunjukkan bahwa pertumbuhan penduduk yang cepat memiliki peran pendorong yang kuat dalam pengembangan lahan. Faktor elevasi berhubungan negatif dengan kemungkinan pengembangan lahan, menunjukkan bahwa pengembangan lahan di Shenzhen terletak di daerah perbukitan.

Perencanaan kota memainkan peran yang baik dalam membimbing dan mengendalikan perkembangan pembangunan perkotaan dan tata ruang yang dalam KEK. Namun, pelaksanaannya luar SEZ relatif miskin, baik dalam mengendalikan pembangunan perkotaan dan membimbing tata ruang kota. Hal ini karena mekanisme pertumbuhan perkotaan seperti kebijakan pengelolaan lahan ganda dalam dan luar SEZ belum dianggap sepenuhnya (Tian & Shen, 2011 ; Zhao, 2011). Dengan kebijakan pengelolaan lahan ganda lama ini, ada kesenjangan besar dalam penggunaan lahan kebijakan pengelolaan lahan ganda lama ini, standar pembangunan perkotaan, pelayanan publik, tingkat manajemen sosial, pemukiman manusia kualitas lingkungan di dalam dan di luar KEK. Selain itu, banyak negeri maju ilegal yang tidak sesuai dengan perencanaan telah terbentuk. pertumbuhan perkotaan adalah proses sejarah alami yang pasangan kekuatan perencanaan dan pasar aturan (Chen, Chang, et al., 2014). tanah yang tersedia selama periode perencanaan masa lalu tidak dapat memenuhi kebutuhan perkembangan pesat di daerah itu, sehingga urban sprawl di seluruh kota (Deng 2016).


Klasifikasi Citra

Klasifikasi Citra

 
 Klasifikasi Citra
 
Klasifikasi citra digital merupakan proses pengelompokan piksel ke dalam kelas-kelas tertentu, seperti perbedaan pada nilai warna. Perbedaan warna ini dimulai dari 0 – hingga gradasi warna. Semakin banyak klasifikasi citra, maka semakin banyak warna yang digunakan dan semakin bagus pula hasilnya. Pada umumnya Klasifikasi citra digital terbagi ke dalam dua jenis, yaitu supervised dan unsupervised. Namun pada umumnya yang digunakan adalah klasifikasi terselia supervised karena lebih terpercaya..  Klasifikasi supervised dapat didefinisikan sebagai pengelompokan nilai warna yang telah terintegrasi oleh data survei secara primer, semisal data mengenai vegetasi, kawasan, pola lahan terbangun. dan sebagainya. 
Menurut Projo Danoedoro (1996) klasifikasi supervised ini melibatkan interaksi analis secara intensif, dimana analis menuntun proses klasifikasi dengan identifikasi objek pada citra (training area). Sehingga pengambilan sampel perlu dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek tertentu. Sedangkan unsupervised merupakan pengelompokan warna yang belum terintegrasi. Unsupervised dapat dijadikan sebagai data sementara atau awal untuk keperluan tertentu semisal studi., selanjutnya untuk meningkatkan keakuratannya perlu dilakukan pengecekan di lapangan (ground check) apakah yang telah terklasifikasi sesuai atau tidak.
Jika dilihat dari kedua klasifikasi citra tersebut hampir memiliki kesamaan terutama pada manfaatnya yang mengelompokan pixel. Kedua klasifikasi dapat saling mendukung untuk melakukan kegiatan penelitian, seperti morfologi kota yang mempelajari tentang perkembangan kota yang diukur dari tutupan lahannya.  Adapun langkah untuk melakukan klasifikasi citra yang akan dijelaskan pada bagan sebagaimana berikut:
 
Gambar 1. Langkah Klasifikasi Citra
Sumber: Perkuliahan dan Praktikum PCD serta Pemahaman Penulis

          Penggabungan band pada umumnya disebut dengan composite band yang mana bertujuan untuk menggabungkan band dan memanfaatkannya sesuai sensornya pada 1 data raster citra. Kemudian sharpening merupakan langkah persiapan analisis citra dengan cara mempertajam resolusi citra. Operasi ini dilakukan dengan cara melewatkan citra pada highpass-filter. Highfilter akan memperkuat komponen yang berfrekuensi tinggi dan menurunkan komponen berfrekuensi rendah. Berdasarkan kemampuannya kedua klasifikasi citra memiliki kelebihan dan kekurangan sebagai berikut:
 
a.    Keunggulan:
1.    Supervised
·         Lebih akurat karena telah didasari oleh data survei primer
·         Dilakukan secara otomatis
·         Klasifikasi sesuai dengan masukan data dalam daftar fungsi
2.    Unsupervised
·         Tidak membutuhkan pengetahuan awal yang detail mengenai daerah pengamatan.
·         Kemungkinan terjadi human error dapat dikurangi
·         Kelas yang unik diidentifikasi secara tersendiri pada pixel yang mewakili kegiatan atau fungsi
b.    Kekurangan:
1.    Supervised
·         Membutuhkan kemampuan tenaga survei untuk identifikasi secara langsung ke lapangan
·         Biaya yang sangat mahal
·         Besar kemungkinan terjadi human error
·         Membutuhkan pengetahuan awal pada wilayah survei
2.    Unsupervised
·         Hasil sangat ditentukan oleh kualitas citra
·         Biaya yang cukup mahal untuk pengadaan citra
·         Kesalahan intepretasi rona, tekstur dan pola masih sangat tinggi



SUMBER

Perkuliahan Pengolahan Citra Digital 2015
Mustawa Yooga, Aziz Lukman Praja Abdul Azizah Juariah Neneng. 2015 Klasifikasi Citra (Supervised Dan Unsupervised). Kota Bandung. UNISBA.
Praktikum PCD 2015. 2015. Modul Praktikum Pengolahan Citra Digital. Kota Bandung. UNISBA
Wikipedia. 2015. Resolusi Gambar. http://id.wikipedia.org/wiki/Resolusi_gambar. Diunduh pada tanggal 31 Mei 2015, pukul 20.05 WIB.
Untukku.____. Pengertian Resolusi. http://www.untukku.com/artikel-untukku/pengertian-resolusi-untukku.html. Diunduh pada tanggal 31 Mei 2015, pukul 20.40 WIB.