1.2.1.1. Isu utama: Fasilitas di TBK#

Fasilitas di TBK secara kuantitatif sudah cukup lengkap, namun belum berfungsi secara sinergis untuk mencapai potensi maksimalnya. Fasilitas yang ada meliputi layanan antar kota (emplasemen bus AKAP), dalam kota (halte TransJakarta, emplasemen angkot, emplasemen bus kota), moda transportasi pendukung lainnya (ojek pangkalan dan ojek daring), serta fasilitas untuk kendaraan pribadi seperti area drop-off dan park and ride, serta fasilitas pendukung lainnya seperti food court (lihat Gambar 1.5). Dengan fasilitas tersebut, TBK tergolong terminal tipe A di Jakarta, sesuai Pasal 24 ayat (2) Permenhub PM 24/2021 tentang Penyelenggaraan Terminal Angkutan Jalan.

Namun, secara kualitatif, terminal ini masih memiliki banyak kekurangan. Salah satu masalah utama adalah penataan fasilitas yang kurang optimal, di mana emplasemen yang berdekatan menyebabkan tumpang tindih aktivitas, mengurangi kenyamanan dan efisiensi (lihat Gambar 1.5). Kekurangan ini berkontribusi pada berbagai isu, seperti peningkatan potensi kejahatan, ketidakteraturan perilaku penumpang, dan ketidakcukupan fasilitas transportasi publik yang dibutuhkan masyarakat.

1.2.1.2. Isu turunan: Kerawanan kejahatan#

Kekurangan fasilitas di TBK menyebabkan munculnya isu turunan, salah satunya adalah tingginya kerawanan kejahatan, termasuk premanisme. Berdasarkan informasi dari Kapolsek Kalideres, Kompol Danu Wiyata, terdapat delapan titik rawan kejahatan seperti hipnotis, bius, dan pencopetan. Titik-titik tersebut meliputi: tempat peristirahatan, loket, area tunggu keberangkatan, tempat parkir, kawasan terminal dalam kota, jalur masuk dan keluar, area makan, serta sekitar lampu merah hingga Mapolsektro Kalideres.

1.2.1.3. Isu turunan: Kebiasaan penumpang#

Kekurangan fasilitas di TBK juga berdampak pada kebiasaan penumpang yang tidak teratur (lihat Gambar 1.6). Meskipun fasilitasnya cukup lengkap, desain terminal belum sepenuhnya memenuhi harapan pengguna. Hal ini tercermin dalam grafik piramida kelayakhunian oleh Vischer (Gambar 1.7) yang menunjukkan kurangnya indikator rasa memiliki (sense of belonging), kepemilikan (ownership), dan kontrol terhadap lingkungan (Zhang et al., 2022).

1.2.1.4. Isu turunan: Masyarakat membutuhkan fasilitas transportasi publik#

Riset sebelumnya menunjukkan bahwa jika penggunaan transportasi publik meningkat dari 10% menjadi 20% dari total perjalanan, kecelakaan lalu lintas dapat berkurang hingga 15% (Sustainable Mobility for All, 2017). Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2020-2024 menekankan pentingnya pembangunan dan peningkatan fasilitas transportasi publik, yang sudah mulai berjalan. Namun, banyak pihak menilai implementasinya masih belum efektif. Pemerintah telah berupaya mengintegrasikan sistem transportasi melalui program cashless society (seperti JakLingko, bus listrik, dan Intelligent Transport System), yang memberikan masyarakat alternatif selain kendaraan pribadi untuk mengurangi kemacetan.

Menteri Perhubungan Budi Karya Sumadi, dalam acara Komite Ekonomi dan Industri Nasional (KEIN) pada 22 Februari 2017, menegaskan bahwa kesinambungan antarmoda di seluruh Indonesia sangat penting untuk mendukung stabilitas ekonomi masyarakat. Sebagai contoh, pembangunan sistem BRT di Yogyakarta dan Jakarta serta kapal Ro-Ro (distribusi darat-laut) menunjukkan upaya pemerintah dalam meningkatkan konektivitas antarmoda. Tanpa integrasi yang baik, minat masyarakat terhadap transportasi publik akan tetap rendah, dan kendaraan pribadi akan terus menjadi pilihan utama (Kemenhub, 2017; Kemenhub, 2021).

Transportasi berkelanjutan juga menjadi solusi untuk mengurangi kemacetan, meningkatkan keamanan transportasi publik, serta mendukung penggunaan bahan bakar rendah emisi (Richardson et al., 2000).

1.2.2.1. Isu utama: Kebutuhan akan TH#

Meskipun Jakarta memiliki berbagai moda transportasi, hingga 2021 kota ini masih belum memiliki TH. Kurangnya integrasi antar sistem transportasi menimbulkan tantangan, seperti yang terjadi di kawasan Dukuh Atas. Sebelumnya, kawasan ini tidak terintegrasi, tetapi kini telah menjadi simpul antarmoda yang menghubungkan MRT, LRT, TransJakarta, KRL, KA Bandara, dan ojek daring (Kompas, 2021b). Selain itu, kawasan ini juga menyediakan ruang interaksi masyarakat (third place) (lihat Gambar 1.8).

Jembatan penyeberangan manusia (JPM) Serambi Temu Dukuh Atas, yang dirancang oleh konsultan Urban+, mengusung konsep transit-oriented development (TOD). Jembatan ini mampu menampung hingga 9.000 orang, tahan gempa, dan dirancang tanpa struktur penyangga di atas Kanal Banjir Barat. JPM ini menghubungkan Stasiun KRL Sudirman dengan LRT Dukuh Atas, sekaligus mengurangi area parkir di sekitar kawasan (Farozy, 2021; Kompas, 2021a; Kompas, 2021c; Okta, 2021).

JPM ini juga mengusung konsep konektivitas antarmoda, identitas kota, pengalaman kota, serta ruang publik yang inklusif. Kawasan ini dilengkapi dengan pusat komersial yang mendukung berbagai aktivitas masyarakat, seperti yang terlihat dalam diagram fitur (Gambar 1.9). Proyek ini mendapat dukungan penuh dari Pemprov DKI Jakarta dan Ikatan Arsitek Indonesia (IAI) Jakarta (Putri, 2018).

Berdasarkan hal tersebut, kebutuhan akan TH di Jakarta sangat jelas. Oleh karena itu, TH harus dirancang dengan fokus pada aksesibilitas dan pergerakan manusia (walkability), serta mendapat dukungan penuh dari setiap pemangku kepentingan. Hal ini diperlukan untuk mendorong perubahan paradigma kota menuju desain yang lebih berpusat pada manusia (human-centered design) dibandingkan kendaraan pribadi (car-centered design) (Kompas, 2021b).

1.2.2.2. Isu utama: Kebutuhan akan PS (RTH)#

Jakarta masih tertinggal dalam penyediaan PS dan ruang terbuka hijau (RTH), meskipun keduanya sangat penting bagi kota. Berdasarkan UU 26/2007 tentang Penataan Ruang, setidaknya 30% wilayah kota harus berupa RTH (20% publik dan 10% privat).

Pemprov DKI menargetkan 16% RTH publik pada 2030. RTH berperan penting dalam meningkatkan dampak sosial dan lingkungan (Desyani, 2013; Ekaputra dan Sudarwani, 2013; Fitri dan Kusuma, 2017). Target ini sejalan dengan Sustainable Development Goals (SDGs) 11.2, yang bertujuan menciptakan sistem transportasi yang aman, nyaman, dan berkelanjutan (UN, 2021a).

Namun, kekurangan PS dan RTH sangat terlihat, seperti di Monumen Nasional (Monas), ikon kota Jakarta, yang tidak ramah bagi pengunjung. Monas tertutup, kurang terawat, dan memiliki konsep gerbang serta tembok (gated and guarded). Akibatnya, masyarakat lebih memilih pergi ke mal daripada ke PS atau RTH. Prof. Calderia berpendapat “Kota yang dirancang dengan tembok atau pagar akan merusak keberlanjutan kota itu sendiri.” (Juda, 2016).

1.2.2.3. Isu turunan: Kemacetan#

Banyak negara berusaha mengurangi kemacetan dan emisi karbon dari kendaraan bermotor (Le dan Trinh, 2016). Di Jakarta, kemacetan jadi masalah utama, terutama karena kurangnya fasilitas transportasi publik. Meski transportasi publik masih terbatas, ada kabar baik. Danang Parikesit, Ketua Umum MTI, menyebutkan, “Berdasarkan data MTI, penggunaan transportasi publik di Jakarta turun dari 40% menjadi 14% dalam 10 tahun terakhir” (Fathiyah, 2013). Penurunan ini membuat kemacetan semakin parah, karena lebih banyak orang beralih ke kendaraan pribadi, terutama sepeda motor, yang dianggap lebih cepat.

1.2.2.4. Isu turunan: Pelanggaran lalu lintas meningkat#

Pelanggaran lalu lintas di Jakarta terus meningkat, terutama akibat ketergantungan kota pada kendaraan pribadi yang mendominasi ruang jalan. Sebagai ibu kota, Jakarta menghadapi berbagai tantangan, termasuk meningkatnya jumlah penduduk dan aktivitas, seperti mahasiswa dan pekerja, yang memperburuk kemacetan dan pelanggaran lalu lintas (Le dan Trinh, 2016).

1.2.2.5. Isu turunan: destinasi hiburan utama#

Tren pembangunan mal di Jakarta muncul sebagai respons terhadap kurangnya ruang sosial dan ekonomi di PS. Atmawidjaja menyatakan, “Banyaknya mal adalah tanda nyata bahwa kota sedang sakit.” Terbatasnya PS membuat kebutuhan sosial dan lingkungan kota tidak dapat terpenuhi dengan baik. Pada 2019, Jakarta memiliki lebih dari 200 mal, meningkat pesat dari 75 mal pada 2012. Artinya, sekitar 125 mal dibangun dalam tujuh tahun saja (Mega, 2019b; Nediari, 2013).

2.1.1.1. Definisi dan prinsip kerja ABM#

Model komputasi kompleks yang dijalankan berdasarkan pengaturan aksi-reaksi dinamis dan komunikatif antara agents dalam suatu environment (lingkungan). Tujuannya adalah untuk mengevaluasi kinerja desain dan memperoleh informasi tentang perilaku serta aspek lainnya (Abar et al., 2017; Macal dan North, 2009).

ABM dapat dikombinasikan dengan pemodelan lain. Misalnya, ABM dapat digabungkan dengan pemodelan kontinum seperti gas-kinetik atau dinamika fluida, yang berguna untuk menyimulasikan penyebaran gas beracun di lingkungan. Contoh lainnya adalah ketika ABM digabungkan dengan simulasi iklim untuk mempelajari respons manusia terhadap kondisi eksternal tertentu (Helbing, 2012).

2.1.1.2. Praktis dan sifat ABM#

Dalam pemodelan ini, setiap agent bertindak sebagai individu dengan atribut dan pengaturan tertentu. Setiap agent mengarahkan dirinya secara otonom dan independen. Pengaturan khusus dari setiap agent terhadap environment-nya dapat menciptakan interaksi dan situasi yang menarik, yang menjadi representasi data mengenai keputusan yang diambil oleh agent dalam tindakannya.

Sifat utama dari setiap agent adalah independen, otonom, dan memiliki sifat sosial terhadap environment. Agent dapat berinteraksi dengan agents lainnya, umumnya melalui: kontestasi ruang (learn and adapt), menghindari tabrakan antar agents, pertukaran informasi antar agents, dan mekanisme lainnya (Macal dan North, 2009).

2.1.1.3. Demonstrasi ABM#

Optimasi dalam demonstrasi ABM dapat dilakukan karena penetapan aturan (rules) yang menyatakan kecerdasan kerumunan adaptif dari agents. Seperti yang dijelaskan oleh Bonabeau, Dorigo, dan Theraulaz (1999), adaptasi ABM terhadap lingkungan secara berkelanjutan memungkinkan ABM untuk menentukan simpulan permasalahan, seperti penjadwalan dan perutean (Helbing, 2012; Macal dan North, 2009). Demonstrasi ABM dapat digambarkan melalui fenomena seperti life dan boids.

2.1.1.4. Tujuan dan penerapan ABM#

Penggunaan metode ini sangat serbaguna dan dapat diterapkan dalam berbagai bidang, antara lain: permasalahan sosial (norma, konflik), finansial, pemodelan ekonomi, penentuan kebijakan pada tata kelola, migrasi, dinamika kemacetan, dinamika kepadatan, dan lain sebagainya (Helbing, 2012).

Dengan demikian, ABM dinilai cocok untuk menguji simpulan dari studi kasus terperinci. Simpulan ini berfungsi sebagai “sosioskop” yang menggambarkan konsekuensi dari interaksi yang terjadi antara agents untuk merepresentasikan realitas yang terjadi (Helbing, 2012).

2.1.2.1. Sejarah GD#

Generative design (GD) dimulai pada 1970-an sebagai metode untuk menghasilkan solusi terbaik untuk masalah definitif yang diberikan melalui batasan (constraints). Pada abad ke-21, GD mulai populer dalam ranah arsitektur dan didefinisikan secara khusus dalam bidang desain arsitektur (Caetano et al., 2020). Saat ini, GD adalah proses desain yang dilakukan dengan mendefinisikan batasan atau constraints menggunakan sistem komputer, lalu mengotomatisasi prosesnya dengan formula algoritma parametrik, sehingga hasil iterasi desain (output) dapat dihasilkan untuk membantu desainer (Singh dan Gu, 2012; Toussi, 2020; Villaggi dan Nagy, 2018b; Zhang et al., 2022).

2.1.2.2. Proses kerja dan formulasi GD#

Proses GD menggunakan ruang virtual komputer analog dan mengikuti proses evolusioner dari alam (Caetano et al., 2020; Frazer et al., 2002). Selanjutnya, GD dapat diintegrasikan dan disimulasikan melalui interaksi antara desainer dan program berbantuan komputer (computer-aided) (Krause, 2003; McKnight, 2017).

Dalam proses GD, dibutuhkan formulasi untuk menghasilkan produk luaran yang berkinerja tinggi dan ultra-high performance. Pada tahap pre-GD, selain data model geometri awal, diperlukan data lainnya untuk mendukung penentuan batasan atau Constraints dan prasyarat-persyaratan informatif (requirements) yang diperlukan dalam desain. Setelah itu, dalam tahapan GD, desain baru dapat dihasilkan (generate), dievaluasi kembali (evaluate), dan dievolusikan (adapted). Pada tahap akhir post-GD, desainer (sebagai unsur kualitatif) secara manual memilih solusi terbaik (best solution), yang kemudian diproses kembali untuk memperhalus desain (Toussi, 2020; Villaggi dan Nagy, 2018a; Villaggi dan Nagy, 2018b).

2.1.2.3. Tujuan dan penerapan GD#

Dengan demikian, proses GD membantu desainer bekerja lebih efisien, ringan, serta menawarkan opsi desain dan pengolahan lanjutan (untuk output terpilih). Akibatnya, GD berpotensi menggantikan sistem tradisional karena produk yang dihasilkan memiliki kinerja tinggi (ultra-high performance) yang tidak dapat disaingi oleh teknologi tradisional (McKnight, 2017).

2.1.3.1. Proses kerja MOO#

Metode MOO adalah bagian dari proses GD. Metode ini berfokus pada sistem dengan banyak batasan (multi-constraints) dan kompleksitas dalam pengambilan keputusan. Pendekatan berbasis evolusi (evolutionary-based) dapat memfasilitasi pencarian solusi optimal dengan mengeksplorasi berbagai alternatif yang diinginkan, lalu menghitungnya dengan cepat dan efektif (Nayak, 2020; Toussi, 2020; Wildman dan Gaynor, 2019).

Dengan peran integratif arsitek sebagai pengguna, mereka dapat mengelaborasi aspek nyata dan tidak nyata (tangible dan intangible) pada tahap awal. Dengan sistem integratif ini, arsitek dapat mengevaluasi opsi mereka dan melakukan optimasi kembali tanpa bantuan pemrograman komputer, untuk menjawab pertanyaan desain kontemporer (isu terkini) (Brown, 2020).

2.1.3.2. Tujuan dan penerapan MOO#

Berdasarkan riset Toussi (2020), desain studi yang dilakukan secara interaktif dengan metode evolusioner dapat menentukan desain objektif. Proses ini mengkategorikan data tangible dan intangible, serta batasan Constraints dan variabel lainnya (Requirements). Setelah itu, preseden disiapkan untuk menentukan pendekatan evolusioner dan aplikasi yang tepat untuk set parameter pada data tangible, mendefinisikan kriteria penilaian data intangible, serta mendefinisikan model optimasi yang tepat berdasarkan Constraints dan Requirements yang ada. Pendekatan evolusioner kemudian disistemkan untuk menentukan shape rules dan model acak pada generasi awal (random first generation). Setelah itu, sistem dievaluasi (weighing system) untuk menghasilkan generasi baru, dan arsitek dapat melakukan evaluasi manual (Toussi, 2020).

2.1.3.3. Multi-objective evolutionary algorithms#

Multi-objective evolutionary algorithms sering digunakan untuk menyelesaikan masalah optimasi multiobjektif dan multikriteria yang dilakukan secara bersamaan. Secara umum, objektifnya bertentangan satu dengan lainnya, sehingga tidak ada opsi teroptimal bagi suatu set solusi untuk tiap objektif. Menurut Akbari et al., melalui PF, satu set solusi optimal akan menjadi hasil representatif (Akbari et al., 2014; Sadegh et al., 2022). PF diperinci lebih lanjut pada Lampiran.

2.1.4.1. Transit hub (TH)#

Berikut ini adalah pembahasan tentang TH (pengertian, smart transportation planning, asas desain, kebutuhan desain, elemen desain, faktor penting, layout letak desain, konsep arsitektur dan interior), yakni:

2.1.4.2. Pengertian TH#

Berdasarkan UU 22/2009 tentang LLAJ, simpul adalah tempat perpindahan moda yang dapat berwujud terminal, stasiun KA, pelabuhan, dan bandara. Dalam ilmu komputer, hub adalah konsep pada bagian tengah roda, baling-baling, kipas, atau istilah lainnya yang merujuk pada poros (Elshater dan Ibraheem, 2014).

Pengertian simpul dan hub adalah sama dan serupa. Simpul dalam UU LLAJ dibicarakan dalam konteks desain arsitektur dan jaringan kota, sementara hub dalam ilmu komputer adalah jaringan komputer. Konsep hub dalam TH harus dapat mengakomodasi setiap fungsi utama sehingga, secara tidak langsung, hub dapat “berbicara dan berkomunikasi” dengan fasilitas yang ditunjangnya—hub and spoke.

2.1.4.3. Smart transportation planning#

Smart transportation planning dalam konsep transportasi publik memiliki prinsip simpul yang terhubung antarmoda dan menerapkan konsep universal design terhadap manusia (komunitas) dan lingkungan. Jika tidak mendukung, harus ada sistem feeder (pengumpan) dari atau ke TH. Selain itu, smart transportation planning juga harus mendukung fungsi lainnya, seperti area ritel komersial hingga penitipan anak (Chhipa, 2018).

Dari beberapa literatur, Gordon dan Steuteviller menyatakan bahwa universal design penting diterapkan dalam desain berbasis kebutuhan publik, yang tersusun atas desain sederhana dan intuitif, tidak menyulitkan pengguna, sistem informasi yang jelas, ukuran yang sesuai, mentoleransi kemungkinan kesalahan, fleksibel, dan fasilitas yang setara. Menurut Biehler dan Kolluri, smart transportation planning harus dapat menyeimbangkan finansial, komunitas, tata guna lahan, transportasi, dan lingkungan (Elshater dan Ibraheem, 2014).

Menurut Sekjen PBB, Ban Ki-moon, penyediaan layanan infrastruktur untuk mobilitas orang dan barang dapat memajukan ekonomi, sosial, dan lingkungan masa kini dan mendatang. Hal ini disebutkan dalam SDG tujuan 3.6 dan tujuan 11.2, yang saling berkaitan dengan tujuan SDG lainnya (Sustainable Mobility for All, 2017).

2.1.4.4. Asas desain TH#

Menurut Elshater dan Ibraheem (2014), sebuah TH harus dirancang berdasarkan tiga prinsip utama agar tetap aktif, efektif, dan mendukung konsep universal design serta smart transportation planning. Prinsip tersebut meliputi Seamless mobility, Placemaking, dan Successful implementation, yang masing-masing berfokus pada integrasi moda transportasi, penciptaan ruang yang menarik, serta implementasi yang berkelanjutan dan adaptif (lihat Tabel 2.2).

2.1.4.5. Kebutuhan desain TH bagi kawasan#

Terdapat enam kebutuhan desain TH bagi sebuah kawasan, yaitu meningkatkan efisiensi, menciptakan lingkungan berkelanjutan, membangun komunitas, meningkatkan kesejahteraan sosial, mendukung kesehatan, dan mempermudah akses perpindahan.

Dalam konteks komunitas dan lingkungan berkelanjutan, sebuah TH yang baik harus menyediakan area publik seperti plaza, taman, dan jalur pejalan kaki yang dirancang untuk manusia, bukan kendaraan. Dengan demikian, tingkat kesehatan penduduk dapat meningkat, dan desain TH akan lebih berhasil karena pengguna merasa nyaman, aman, serta mendapatkan akses yang terintegrasi dengan baik (NJTPA, 2019).

2.1.4.6. Elemen desain TH#

Berikut adalah elemen utama dalam desain TH:

2.1.4.7. Faktor penting dalam TH#

Faktor-faktor penting yang harus diperhatikan dalam desain TH meliputi:

2.1.4.8. Layout fasilitas di dalam TH#

Berikut adalah layout fasilitas yang harus diperhatikan dalam desain TH:

2.1.4.9. Arsitektur dan interior TH#

Desain arsitektur dan interior TH yang baik memiliki beberapa prinsip utama:

2.1.5.1. Pengertian PS#

2.1.5.2. Tujuan PS#

Menurut Andersson (2016), desain PS yang diterapkan oleh pemerintah bertujuan untuk meningkatkan kualitas hidup, mendukung perekonomian, dan memperkuat keterikatan sosial antar warga. Ruang publik juga berperan dalam menjaga budaya, memfasilitasi interaksi sosial, meningkatkan keamanan, serta berkontribusi pada kesehatan dan kesejahteraan masyarakat. Dari segi mobilitas, ruang publik dapat mendukung pergerakan yang lebih efisien sekaligus meningkatkan kualitas lingkungan agar lebih berkelanjutan (Andersson, 2016).

2.1.5.3. Kebutuhan dalam PS#

Menurut Hajela (2021), PS dibentuk oleh elemen-elemen di sekitarnya, baik berupa bangunan, struktur, maupun area yang berbatasan langsung dengan jalan, jalur pedestrian, atau deretan pohon. Selain faktor fisik, perilaku pengguna juga mencerminkan kualitas ruang publik ini. Agar tetap hidup dan menarik bagi pengunjung, PS perlu memenuhi empat kebutuhan utama: fisiologis, sosiologis, afiliasi, dan penghargaan (esteem).

• Kebutuhan fisiologis — mencakup kenyamanan, relaksasi, warna, suara, lingkungan, serta keamanan. Ini termasuk perlindungan dari panas dan silau melalui shades dan shadows.
• Kebutuhan sosiologis — berkaitan dengan bagaimana ruang publik mendukung kehidupan sosial melalui livability, proteksi, aksesibilitas, konektivitas, serta kualitas batas (enclosure quality) yang menciptakan lingkungan yang ramah dan inklusif.
• Kebutuhan afiliasi — menekankan aspek keakraban (familiarity), keterbacaan, serta keterlibatan dalam interaksi sosial, baik langsung maupun tidak langsung. Pencahayaan yang tepat menjadi salah satu elemen pendukungnya.
• Kebutuhan penghargaan (esteem) — mencerminkan bagaimana ruang publik memberikan pengalaman yang unik dan bermakna melalui ekspresi spontan, keberagaman aktivitas, dan kekhasan tempat. Active frontages—fasad yang aktif dan menarik—berperan dalam meningkatkan daya tarik visual dan fungsional ruang publik (Hajela, 2021).

2.3.1.1. Latar belakang dan urgensi OAW#

Jarak yang pendek menuju transportasi publik meningkatkan konektivitas kota bagi pejalan kaki, pesepeda, dan pengguna transportasi umum. Faktor ini berperan penting dalam sistem transportasi publik karena mempermudah aksesibilitas dan meningkatkan penggunaannya.

Menurut Calthorpe (1993), sistem transportasi publik yang berkelanjutan didasarkan pada konsep smart transportation planning. Oleh karena itu, desain kota harus terintegrasi dengan baik dalam jaringan fasilitas lain, seperti layanan publik, area rekreasi, dan perumahan, guna menciptakan lingkungan yang efisien dan ramah pengguna (Lima et al., 2021).

2.3.1.2. Proses pikir OAW#

Studi kasus oleh Lima et al. (2021) menunjukkan bahwa riset OAW terdiri dari dua tahap utama (Lima et al., 2021).

Pendekatan pertama menggunakan algoritma generatif untuk membentuk blok dalam area studi. Nilai rata-rata Physical Proximity Index (PPI) antara semua blok dan blok pusat dijadikan Fitness Value, yang dihitung berdasarkan empat variabel optimasi: panjang blok (60–200 m), lebar blok (60–200 m), lebar jalan (12–20 m), dan sudut rotasi grid (-90° hingga 90°) (Gambar 2.12).

Pendekatan kedua mengikuti struktur dasar yang sama tetapi memungkinkan blok memiliki dimensi berbeda sambil tetap menjaga keselarasan grid. Pendekatan ini mencakup 42 variabel parametrik untuk meningkatkan kompleksitas masalah (Gambar 2.12c).

Pada tahap kedua, optimasi dilakukan dengan mengubah struktur grid menggunakan tiga metode deformasi: subdivisi blok, pergeseran sudut, dan pembentukan blok Voronoi (Gambar 2.13a, Gambar 2.13b, Gambar 2.13c).

Optimasi ini menggunakan aplikasi Wallacei untuk menyeimbangkan aksesibilitas transit (PPI) dengan biaya infrastruktur berdasarkan total luas jalan.

2.3.1.3. Simpulan studi kasus OAW#

Penggunaan GD memungkinkan eksplorasi berbagai solusi. Sementara itu, optimasi multi-kriteria membantu arsitek mengidentifikasi Objective desain, seperti aksesibilitas dan biaya infrastruktur. Pendekatan Voronoi menghasilkan jaringan jalan yang lebih sedikit, sedangkan pendekatan sudut yang bergerak memberikan PPI yang lebih tinggi (Lima et al., 2021).

2.3.2.1. Latar Belakang dan Urgensi OSB#

Riset ini mengkaji bagaimana aspek sosial dan budaya dapat digunakan sebagai skema desain alternatif untuk memperbaiki morfologi kota dan meningkatkan pengalaman masyarakat perkotaan. Tujuannya adalah menerjemahkan aspek sosial dan budaya ke dalam kumpulan data kuantitatif yang menentukan karakteristik morfologi kota.

Melalui metode evolutionary multi-objective optimization (EMOO), proses pertumbuhan kota disimulasikan dengan mengadaptasi serangkaian individu dan mengoptimalkan beberapa kriteria desain. Riset ini mengukur aspek sosial dan budaya dari salah satu superblok di Kyoto, Jepang, untuk menghasilkan urban tissue (UT) yang dapat merespons pertumbuhan masa depan.

Dalam riset ini, kuantifikasi karakteristik sosial dan budaya bukan menjadi tujuan utama, melainkan sebagai analisis dampak hubungan sosial dan budaya terhadap evolusi bentuk kota serta munculnya karakteristik morfologi tertentu yang dihasilkan dari interaksi tersebut (Choi et al., 2021).

2.3.2.2. Sosial budaya#

Menurut Hillier (2007), aspek sosial dan budaya kota merupakan sumber ketahanan yang memungkinkan pertumbuhan ekonomi, pembangunan sosial, serta membantu mengatasi tantangan kritis seperti kemampuan beradaptasi, pertumbuhan perkotaan, dan perubahan iklim.

Sementara itu, Weinstock (2013), Batty dan Marshall (2012), serta Marshall (2008) berpendapat bahwa masalah mendasar dalam perencanaan kota modern adalah pendekatan komprehensif dalam perencanaan kota. Pendekatan generik (top-down) yang terpusat pada struktur berfokus pada penyelesaian masalah kota yang dinamis dan kompleks.

Namun, Jane Jacobs (1961) menjelaskan bagaimana dan mengapa sebuah kota dapat mengalami degradasi dan beregenerasi tanpa memerlukan metode perencanaan terpusat. Ia menggeser paradigma perencanaan menjadi lebih berorientasi pada aspek sosial dan budaya melalui integrasi antar PS kota, yang dapat mendorong aktivitas komunal dan sosial perkotaan (Choi et al., 2021).

Oleh karena itu, Sevtsuk (2008) menyatakan bahwa hubungan antara sosial dan budaya dengan morfologi kota merupakan bagian dari sistem perjanjian, penyesuaian, dan interaksi yang membentuk kehidupan sosial serta mempengaruhi bentuk kota (Choi et al., 2021).

2.3.2.3. Dampak “narrowness” terhadap sosial budaya#

Menurut Bring (1978), kota-kota di Asia Timur, termasuk Kyoto, Jepang, memiliki konsep PS yang sangat terhubung dengan gang, permukiman, dan lapisan aktivitas kota yang disebut Roji.

Dalam persepsi umum, Gehl (1987) menyatakan bahwa dimensi arsitektural—seperti jarak, intensitas, dan kedekatan (kehangatan)—sangat penting untuk memahami fungsi jangka panjangnya. Roji di Kyoto adalah salah satu contoh yang menunjukkan keterhubungan antara gang dan jalur pejalan kaki, menciptakan lingkungan yang nyaman bagi pejalan kaki.

Di Jepang, gang juga merepresentasikan budaya semi-privat. Selain itu, Imai (2015) menyebutkan bahwa kegiatan kolektif terlihat dalam keberadaan kuil-kuil kecil, toko-toko lokal, dan tempat pemandian (Choi et al., 2021).

Kota-kota di Jepang memiliki karakter yang memadukan unsur modern dan tradisional. Oleh karena itu, aspek sosial dan budaya sangat berperan dalam menentukan morfologi kota. Terdapat dua metode utama dalam tata kota di Jepang:

1. Machizukuri — Perencanaan berbasis komunitas dengan pendekatan skala kecil (bottom-up) yang berfokus pada interaksi sosial dalam lingkungan.
2. Toshikeikaku — Perencanaan kota komprehensif dengan pendekatan top-down yang berorientasi pada strategi tata kota (Choi et al., 2021).

2.3.2.4. Movement dan perilaku sosial#

Hillier et al. (1993) sering menggambarkan perilaku sosial dalam konteks gerakan alami (movement). Parameter seperti simpang temu memiliki peran besar dalam keberhasilan pergerakan pejalan kaki dalam jaringan jalan.

Özbil et al. (2015) menambahkan bahwa faktor-faktor seperti jarak antara asal dan tujuan, tingkat konektivitas jaringan jalan antara rumah, toko, dan tempat kerja, serta jumlah pilihan rute alternatif dalam jaringan jalan sangat mempengaruhi perilaku pergerakan. Oleh karena itu, selain menyediakan berbagai pilihan rute, meminimalkan jarak perjalanan dan mengoptimalkan panjang setiap segmen jalan berkontribusi pada peningkatan kualitas keseluruhan jaringan jalan.

2.3.2.5. Proses pikir OSB#

2.3.2.5.1. Metode evolusioner#

Salah satu aspek penting dari MOO adalah mencapai optimasi solusi sambil mempertahankan keragaman. Variasi dalam kumpulan solusi mencerminkan keberagaman populasi fenotipik. Dalam studi kasus ini, atribut geometris morfologi kota yang unik adalah hasil dari solusi yang diperlukan.

2.3.2.5.2. Terminologi, pengaturan, Constraints dan Objectives#

Pengaturan simulasi tersedia pada (Tabel 2.8), sedangkan Objective simulasi tersedia pada (Gambar 2.15). Constraints utama dalam simulasi ini adalah lebar bangunan.

Pengaturan simulasi. Pengaturan algoritma yang digunakan dalam Deb et al. (2000) (Makki et al., 2015).

Ukuran Simulasi	Value
Generation Size	50
Generation Count	500
Population Size	25,000
Search Space	$3.63 \times 10^{1272}$
Mutation Rate	$\frac{1}{n}\quad n \text{ = jumlah variabel}$
Total Variabel	62,807
Pengaturan Algoritma	Value
Crossover Probability	0.9
Mutation Distribution Index	20
Crossover Distribution Index	20
Runtime (jam)	41:50:17

2.3.2.5.3. Struktur OSB#

Studi kasus ini menggunakan Wallacei untuk mengeksplorasi proses MOO. Keberhasilan MOO bergantung pada efisiensi Genes, Phenotype (morfologi), dan Fitness Criteria. Dalam riset ini, matriks evolusioner diterapkan untuk mengoptimalkan berbagai aspek desain perkotaan (Lima et al., 2021).

Salah satu fokus utama adalah menentukan kriteria Fitness Objective (FO), yang mencakup beberapa aspek penting:

• FO1: Meningkatkan kualitas paparan sinar matahari dengan mengukur titik grid setiap 2 m dan memetakan vektor summer solstice di Kyoto antara pukul 10 pagi hingga 4 sore. Titik dengan lebih dari empat vektor menunjukkan paparan sinar matahari lebih dari empat jam dan dimaksimalkan dalam optimasi.
• FO2: Meningkatkan jumlah simpang gang dengan menghitung node dalam jaringan yang memiliki tiga atau lebih segmen penghubung, guna memperkuat konektivitas dan fleksibilitas navigasi.
• FO3: Mengoptimalkan jalur pejalan kaki dengan meminimalkan jumlah belokan menggunakan metode Shortest Walk untuk meningkatkan keterhubungan dalam blok.
• FO4: Mengurangi variasi luas total lantai dengan membatasi ketinggian bangunan berdasarkan panjang segmen dalam jaringan.

Optimalisasi jalur pada FO3 juga berdampak pada FO1, karena bangunan yang lebih kecil memungkinkan lebih banyak cahaya matahari masuk ke dalam kawasan. Efektivitas seluruh kriteria FO dikendalikan oleh variabel Genes, yang menentukan fenotipe blok kota dan memungkinkan adaptasi morfologi selama proses evolusi.

Untuk menerapkan kriteria ini, penelitian mengembangkan Primitive Phenotype, model dasar yang mempertahankan struktur grid kota Kyoto. Empat superblok dengan grid 2×2 digunakan, masing-masing berukuran 120×120 m dan dibagi menjadi 20 segmen per sisi untuk mencerminkan potensi jumlah jalan masuk maksimum. Setiap titik pusat sel grid dicocokkan dengan titik-titik sebaran yang ditentukan berdasarkan nilai X dan Y yang berbeda. Titik grid yang memiliki referensi terdekat yang sama akan bergabung membentuk sel yang lebih besar (Gambar 2.18).

Titik masuk ke dalam jaringan ditentukan berdasarkan perpotongan segmen di sepanjang batas blok. Jalur terpendek kemudian dihitung untuk menghubungkan titik masuk di satu sisi blok dengan sisi lainnya, mencari dua rute dengan jarak paling singkat (Gambar 2.19). Jika kedua rute ini berpotongan, fungsi PS akan muncul sebagai pusat silangan pada jalur utama.

Jaringan blok di-offset sejauh 1–3 m untuk menciptakan ruang pergerakan yang lebih fleksibel. Jalur utama dalam blok diimbangi sebesar 4 m untuk mengakomodasi arus pejalan kaki. Hubungan antarblok dalam superblok dioptimalkan dengan mencari jalur terpendek antara titik PS yang muncul, kemudian meng-offset rute ini sejauh 5 m untuk membentuk gang utama yang lebih luas, memungkinkan lebih banyak aktivitas publik dan komersial (Gambar 2.19).

Ketinggian bangunan dalam model ini ditentukan berdasarkan panjang tepi kaveling:

• $n < 3$ → tinggi 10–13 lantai.
• $3 < n < 5$ → tinggi 5–9 lantai.
• $n > 5$ → tinggi 1–4 lantai (Gambar 2.20).

Pendekatan Primitive Phenotype menyaring geometri dengan perimeter terlalu kecil (<5 m), karena area tersebut tidak ideal untuk pemukiman. Namun, metode ini memungkinkan terbentuknya beberapa PS yang dapat berfungsi sebagai ruang komunal atau jalan kecil yang lebih ramah pejalan kaki (Gambar 2.21).

2.3.2.5.4. Analisa OSB#

Wallacei menyediakan berbagai metode analisis untuk mengevaluasi output agar algoritma lebih mudah dipahami. Berikut adalah analisis yang dilakukan:

1. Analisis Parallel Coordinate Plot (PCP) (Gambar 2.22) digunakan untuk mengidentifikasi konflik antar Objective. Analisis ini membandingkan Fitness Value setiap solusi populasi pada beberapa sumbu. Visualisasi menunjukkan pola nilai yang berulang selama simulasi. Lebar garis menunjukkan frekuensi pengulangan Fitness Value, sementara posisi garis pada sumbu y menunjukkan seberapa dekat nilai kebugaran dengan nilai optimal. Semakin rendah nilainya, semakin dekat ke optimal.

2. Analisis grafik MVT (Gambar 2.23c) menunjukkan bahwa dibandingkan dengan grafik Fitness Value berulang (Gambar 2.22), hasilnya mengalami peningkatan konvergensi pada tahap simulasi berikutnya. Nilai rata-rata Fitness Value di setiap Generation meningkat signifikan pada Gen.100 dan semakin stabil menuju Generation terbaru.
3. Analisis grafik FVG (Gambar 2.23b) menunjukkan bahwa tiga Objective pertama memiliki banyak Fitness Value berulang yang mendekati nilai optimal. Namun, Objective keempat tidak menunjukkan pola yang jelas mendekati nilai optimal Fitness Criteria, meskipun nilai rata-rata Fitness Value tetap stabil pada Generation terbaru.
4. Analisis grafik SDG (Gambar 2.23a) menunjukkan konvergensi lebih tinggi pada tiga Objective pertama dibandingkan dengan Objective keempat. Namun, Objective keempat terus menunjukkan peningkatan rata-rata Fitness Value, yang mengindikasikan bahwa dengan Runtime simulasi lebih lama, konvergensi masih memungkinkan.
5. Analisis grafik DF (Gambar 2.24) menunjukkan bahwa Generation selanjutnya dipilih berdasarkan kesesuaian nilai rata-rata. Gen.499 dijadikan Generation terbaru untuk optimasi. Solusi PF dipilih berdasarkan prinsip Fogel (2008), yakni solusi yang tidak memiliki alternatif lebih unggul dalam Search Space. Dari 26 solusi PF, analisis komparatif Fitness Value dilakukan menggunakan grafik (Gambar 2.24). Karena Objective berada dalam kondisi konflik, tidak ada solusi yang optimal untuk semua Objective. Oleh karena itu, solusi PF dianalisis dengan memprioritaskan FO1 dan FO2, mengingat superblok Kyoto mengalami kekurangan paparan sinar matahari di lantai dasar serta tingginya jumlah persimpangan.

6. Analisis FO3 dan FO4 menunjukkan bahwa FO3 mengoptimalkan jumlah belokan minimum dalam jalur terpendek antar blok. Grafik MVT menunjukkan bahwa FO3 memiliki optimasi yang baik karena nilainya hampir setengah dari nilai terburuk dalam Objective. Solusi PF menunjukkan hasil yang sebanding dengan superblok Kyoto (Gambar 2.23c). FO4 mempertahankan kepadatan blok Kyoto dan ditempatkan sebagai prioritas terakhir, karena walkability dalam jaringan perkotaan lebih penting. Grafik DF dengan jarak yang sama dianggap optimal, tetapi pemilihan individu bergantung pada prioritas Objective dalam desain keseluruhan. Oleh karena itu, Idv.31, Idv.39, dan Idv.45 dipilih untuk analisis lanjutan.
7. Analisis tambahan dilakukan melalui simulasi evolusioner dengan berbagai metode. Pendekatan ini tidak hanya menggunakan satu metode untuk mendapatkan pemahaman yang lebih jelas terhadap hasil simulasi. False positive diidentifikasi dan dieliminasi. Dalam analisis FO3, nilai yang dieksplorasi berkisar antara 110–414 putaran, menunjukkan bahwa simulasi dapat dijalankan dengan rentang nilai yang luas.

2.3.2.5.5. Simpulan studi kasus OSB#

1. Dampak sosial budaya terhadap bentuk kota — Studi ini mengeksplorasi bagaimana ciri sosial budaya memengaruhi pengembangan bentuk kota, terutama berdasarkan konsep Roji (gang). Faktor yang dianalisis mencakup lanskap jalan Kyoto, dimensi superblok (2x2), hubungan antara gang dan PS, kepadatan penduduk, distribusi program, solar gain, serta konektivitas fisik dan visual.
2. Pentingnya Fitness Value, Objective, dan parameter — Penentuan Fitness Value, Objective, dan parameter sangat penting dalam merumuskan masalah desain. Hal ini memungkinkan simulasi mengoptimalkan dampak karakteristik morfologi lanskap kota.
3. Struktur numerik gang sebagai faktor utama — Struktur numerik gang menjadi faktor utama dalam mengukur ciri sosial budaya yang membentuk dasar morfologi kota. Meskipun hasil percobaan menunjukkan peningkatan terhadap superblok perkotaan yang sudah ada, pendekatan ini tetap memerlukan evaluasi lebih lanjut.
4. Tantangan dalam kuantifikasi sosial budaya — Kuantifikasi ciri sosial budaya masih menjadi tantangan kompleks karena banyaknya parameter yang menentukan bentuk kota.
5. Peran gang dalam superblok Kyoto — Dalam konteks superblok Kyoto, gang memainkan peran penting dalam perkembangan sosial budaya dan keterhubungan antar ruang kota.
6. Keterbatasan penelitian dan kebutuhan riset lanjutan — Masih ada aspek sosial budaya yang belum sepenuhnya dipertimbangkan dalam riset ini. Keterbatasan penelitian ini menunjukkan perlunya riset lanjutan untuk mengeksplorasi lebih jauh ekspresi sosial budaya dalam konteks perkotaan, mengingat karakteristik kota terus berkembang seiring waktu.

4.7.1.1. Iter₁: K-means clustering melalui PF (All Generation)#

Pada Iter₁, clustering dilakukan menggunakan mesin WallaceiX pada 2.500 solusi berdasarkan K-means clustering pada PF dari seluruh generasi (All Generation), yang dibagi menjadi 5 klaster. Hasilnya adalah 263 solusi dengan profil rata-rata K-means pada cluster 1 (C1) Gen30, Idv38, C2 Gen40, Idv27, C3 Gen32, Idv4, C4 Gen39, Idv34, dan C5 Gen23, Idv10.

4.7.1.2. Iter₂: Nilai indeks total teratas (semua FO)#

Pada Iter₂, clustering dilakukan pada 263 solusi dari Iter₁ dalam empat langkah. Langkah pertama, setiap nilai diindeks ulang berdasarkan tingkat prioritasnya, yaitu: FO1 (0 to 30), FO2 (0 to 30), FO3 (0 to 20), FO4 (0 to 10), dan FO5 (0 to 10). Langkah kedua, semua nilai indeks dijumlahkan. Langkah ketiga, dilakukan sortir dari tinggi ke rendah. Langkah keempat, nilai indeks tertinggi atau top 1 diambil. Hasilnya adalah 81 solusi.

4.7.1.3. Iter₃: Nilai indeks total 20 teratas (tiap FO)#

Pada Iter₃, clustering dilakukan pada 263 solusi dari Iter₁ dalam tiga langkah. Langkah pertama, data diambil dari Iter₂ langkah pertama. Langkah kedua, dilakukan sortir dari tinggi ke rendah untuk setiap FO. Langkah ketiga, 20 nilai indeks tertinggi atau top 20 diambil. Hasilnya adalah 100 solusi, dengan 56 solusi tunggal.

4.7.1.4. Iter₄: Penggabungan data Iter₂ dan Iter₃#

Pada Iter₄, data dari Iter₂ dan Iter₃ digabungkan menjadi 181 solusi. Langkah ini dilakukan untuk mengidentifikasi nilai indeks tertinggi, baik secara keseluruhan maupun berdasarkan setiap objektif. Nilai yang berulang menjadi dasar untuk menentukan solusi yang paling tren (repeated solutions).

4.7.1.5. Iter₅: Nilai indeks solusi yang paling sering muncul#

Pada Iter₅, clustering pada 181 solusi dari Iter₄ dilakukan dalam dua langkah. Langkah pertama, dilakukan sortir dari tinggi ke rendah untuk setiap FO. Langkah kedua, dua nilai indeks tertinggi atau top 2 diambil. Hasilnya adalah 29 solusi, dengan rincian: 8 solusi untuk top 1 dan 21 solusi untuk top 2.

4.7.1.6. Iter₆: Penyederhanaan clustering dengan visual radar plot#

Pada Iter₆, clustering pada 29 solusi dari Iter₅ dilakukan dalam dua langkah. Langkah pertama, dilakukan sortir visual pada radar plot yang berulang. Langkah kedua, data berulang dibagi ke dalam masing-masing kluster. Hasilnya adalah 4 kluster dengan komposisi seperti yang ditunjukkan pada Gambar 4.50.

4.7.1.7. Iter₇: Nilai indeks kluster teratas#

Pada Iter₇, clustering dilakukan pada 4 kluster dari Iter₆. Tujuannya adalah untuk menentukan data terbaik berdasarkan perulangan data (yang populer) dan tingkat prioritas setiap FO. Dengan merujuk pada porsi persentase pada Iter₂ langkah 1, berdasarkan Persamaan 1.

Dimana ${w_1=w_2=0.3}$, ${w_3=0.2}$, dan ${(w_4=w_5=0.1)}$.

Diketahui bahwa hasilnya menunjukkan kluster 1 memiliki nilai indeks tertinggi, yaitu 240. Dengan demikian, diperoleh 16 solusi untuk kluster 1 (lihat Gambar 4.50).

4.7.1.8. Iter₈: Nilai indeks ring 1 PS ke titik pusat (center point)#

Pada Iter₈, pemeringkatan ulang dilakukan secara spesifik pada setiap ring 1 titik ${\text{PS}_{\text{east}_1}}$, ${\text{PS}_{\text{south}_1}}$, dan ${\text{PS}_{\text{west}_1}}$. Tujuan langkah ini adalah untuk mereduksi jarak tempuh pada radius prioritas. Berdasarkan porsi persentase keterhubungan antara terminal dan stasiun, South-1 memiliki bobot 2 poin, sementara yang lainnya 1 poin. Berdasarkan Persamaan 2, hasilnya adalah 5 solusi.

Dimana $w_{\text{east}} = 0.25$, $w_{\text{south}} = 0.5$, dan $w_{\text{west}} = 0.25$.

4.7.1.9. Iter₉: Nilai indeks PS (selatan) ke titik pusat (center point)#

Pada Iter₉, pemeringkatan ulang dilakukan secara spesifik pada ruas jalan selatan, yang dinilai sangat penting berdasarkan analisis typical traffic pada Layer 1 dan observasi lapangan, yaitu South-1 (${\text{PS}_{\text{south}_1}}$), South-2 (${\text{PS}_{\text{south}_2}}$), dan South-3 (${\text{PS}_{\text{south}_3}}$). Tujuannya adalah untuk mereduksi jarak tempuh pada rute prioritas (selatan). Berdasarkan porsi persentase keterhubungan antara PS dan titik pusat (yang akan menjadi TH), ${\text{PS}_{\text{south}_1}}$ memiliki bobot lima poin, ${\text{PS}_{\text{south}_2}}$ tiga poin, dan ${\text{PS}_{\text{south}_3}}$ dua poin. Berdasarkan Persamaan 3, hasil yang diperoleh adalah 2 solusi identik, sehingga salah satunya dipilih: Gen47, Idv30.

Dimana $w_1 = 0.5$, $w_2 = 0.3$, dan $w_3 = 0.2$.