Kabupaten Bandung Barat memiliki wilayah yang sangat luas dengan sebaran kawasan perkotaan yang terpisah secara geografis, seperti Padalarang, Ngamprah, Cihampelas, Cikalong Wetan, dan Lembang. Kondisi ini memunculkan pertanyaan penting mengenai struktur ruang wilayah tersebut, khususnya apakah pola perkembangan ekonominya bersifat monosentris (berpusat pada satu titik tunggal) atau polisentris (memiliki beberapa pusat aktivitas). Untuk memahami struktur tersebut, keberadaan Central Business District (CBD) menjadi salah satu aspek penting untuk dikaji. CBD pada dasarnya merupakan kawasan yang memiliki konsentrasi aktivitas ekonomi dan perkotaan yang tinggi. 

Untuk menjawab tantangan tersebut, metode Kernel Density Estimation (KDE) berbobot menjadi salah satu pendekatan yang tepat digunakan dalam mengkaji penentuan lokasi Central Business District (CBD). KDE merupakan metode estimasi kepadatan nonparametrik yang mengubah data titik menjadi permukaan kepadatan kontinu sehingga area dengan intensitas aktivitas yang tinggi dapat diidentifikasi secara lebih objektif. Keunggulan metode ini terletak pada kemampuannya merepresentasikan variasi kepadatan secara kontinu tanpa bergantung pada batas administrasi tertentu, sehingga pola distribusi aktivitas dapat diamati secara lebih realistis.

Metodologi Analisis Spasial Berbobot

Analisis dilakukan terhadap 29 titik lokasi aktivitas ekonomi di Kabupaten Bandung Barat yang dikelompokkan ke dalam tiga sektor utama yaitu:

- Sektor Perbankan: Sebanyak 11 lokasi dengan bobot 1.

- Sektor Hotel atau Resor: Sebanyak 10 lokasi dengan bobot 2.

- Pusat Perbelanjaan dan Pasar Modern: Sebanyak 8 lokasi dengan bobot 3.

Setiap lokasi diberikan bobot antara 1 hingga 3 sesuai karakteristik aktivitasnya, dengan total bobot keseluruhan sebesar 55. Penelitian ini menggunakan pendekatan Kernel Density Estimation (KDE) untuk mengidentifikasi konsentrasi aktivitas secara spasial. KDE sendiri merupakan teknik estimasi kepadatan nonparametrik yang mentransformasikan data titik menjadi permukaan kepadatan yang bersifat kontinu, sehingga wilayah dengan tingkat aktivitas tinggi dapat dideteksi secara lebih objektif. Kelebihan utama teknik ini terletak pada kapasitasnya dalam menggambarkan dinamika kepadatan secara kontinu terlepas dari batasan administratif tertentu, membuat pola persebaran aktivitas tampak lebih realistis untuk diamati.

Padalarang sebagai Pusat Konsentrasi Utama dan Zona Inti CBD

Berdasarkan hasil analisis KDE berbobot menggunakan parameter bandwidth sebesar 0,003 derajat koordinat, kawasan Padalarang teridentifikasi sebagai pusat kepadatan tertinggi sehingga dapat dianggap sebagai pusat konsentrasi aktivitas utama atau CBD empiris Kabupaten Bandung Barat. Titik maksimum kepadatan ini terletak pada koordinat 107,501048° BT dan -6,839237° LS dengan nilai kepadatan mencapai 184.847,54.

Berdasarkan klasifikasi permukaan kepadatan, zona inti yang terbentuk memiliki luas sekitar 228.194,82 m² atau setara dengan 22,82 hektare. Dalam radius kurang dari 700 meter dari titik pusat tersebut, terdapat berbagai fasilitas penting yang saling berdekatan, seperti fasilitas perbankan (BSI, Mandiri, BRI, BTN), perhotelan (Amaris Hotel, Hotel Santika), hingga pusat perbelanjaan (Mesra Plaza, Giant Ekstra, dan Yogya Supermarket Cimareme).

Indikasi Kuat Struktur Ruang Polisentris

Meskipun Padalarang mendominasi sebagai titik dengan kepadatan spasial tertinggi, profil kepadatan terhadap jarak menunjukkan bahwa Kabupaten Bandung Barat memiliki struktur ruang yang cenderung polisentris.

Analisis profil kepadatan berdasarkan pola sebaran spasial, distribusi radius, dan profil kepadatan KDE membentuk beberapa puncak lokal (multi-peak) yang mencerminkan terbentuknya empat klaster aktivitas utama di wilayah tersebut:

- Klaster 1 (Inti - Padalarang): Mencakup 9 lokasi dengan kontribusi bobot sebesar 30,91%.

- Klaster 2 (Ngamprah-Cimareme-Citatah): Terletak pada radius 2,5 hingga 3,8 km dari pusat utama dengan kontribusi bobot 20,00%.

- Klaster 3 (Cihampelas): Berada di bagian barat wilayah dengan kontribusi bobot sebesar 9,09%.

-Klaster 4 (Cikalong Wetan-Lembang): Terletak pada jarak 12 hingga 15,5 km dari pusat utama, namun memiliki kontribusi bobot terbesar yaitu 40,00%, yang ditopang oleh masifnya sektor pariwisata, hotel, resor, dan perdagangan.

Temuan menarik dari studi ini mengungkapkan bahwa kawasan dengan kepadatan spasial tertinggi tidak selalu identik dengan akumulasi bobot aktivitas terbesar. Padalarang unggul dari segi konsentrasi titik terpadat, sementara kawasan Cikalong Wetan-Lembang memegang skala aktivitas ekonomi yang lebih besar meskipun tersebar pada cakupan area yang lebih luas.

Penerapan metode KDE berbobot terbukti efektif dalam memetakan pusat aktivitas ekonomi di wilayah kabupaten yang luas. Studi ini menyimpulkan bahwa meskipun Padalarang berfungsi sebagai jantung konsentrasi spasial utama, Kabupaten Bandung Barat pada dasarnya ditopang oleh sistem wilayah polisentris yang memiliki berbagai simpul pertumbuhan strategis. Pendekatan lanjutan yang melibatkan analisis multi-pusat dan integrasi jaringan transportasi direkomendasikan untuk memperkaya pemahaman tata ruang wilayah di masa mendatang.

Penulis

Ary Tri Hermawan, Reza Ahmad Fauzi, Muhammad Japar Sidiq
Penilai Pemerintah KPKNL Bandung

Daftar Pustaka

Anas, A., Arnott, R., & Small, K. A. (1998). Urban spatial structure. Journal of Economic Literature, 36(3), 1426–1464.

Deng, Y., Liu, J., Liu, Y., & Luo, A. (2019). Detecting urban polycentric structure from POI data.

ISPRS International Journal of Geo-Information, 8(6), 283.

Leslie, T. F. (2010). Identification and differentiation of urban centers in Phoenix through a multi- criteria kernel-density approach. International Regional Science Review, 33(2), 205–235.

McMillen, D. P. (2001). Nonparametric employment subcenter identification. Journal of Urban Economics, 50(3), 448–473.

Murphy, R. E., & Vance, J. E. Jr. (1954). Delimiting the CBD. Economic Geography, 30(3), 189–222.

Redfearn, C. L. (2007). The topography of metropolitan employment: Identifying centers of employment in a polycentric urban area. Journal of Urban Economics, 61(3), 519–541.

Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman & Hall.

Thurstain-Goodwin, M., & Unwin, D. (2000). Defining and delineating the central areas of towns for statistical monitoring using continuous surface representations. Transactions in GIS, 4(4), 305–317.

Yu, W., Ai, T., & Shao, S. (2015). The analysis and delimitation of Central Business District using network kernel density estimation. Journal of Transport Geography, 45, 32–47.

Huang, C., Xiao, C., & Rong, L. (2022). Integrating Point-of-Interest Density and Spatial

Heterogeneity to Identify Urban Functional Areas. Remote Sensing, 14(17), 4201.

Luo, G., Ye, J., Wang, J., & Wei, Y. (2023). Urban Functional Zone Classification Based on POI Data and Machine Learning. Sustainability, 15(5), 4631.

Yang, J., Zhu, J., Sun, Y., & Zhao, J. (2019). Delimitating Urban Commercial Central Districts by Combining Kernel Density Estimation and Road Intersections: A Case Study in Nanjing City, China.

ISPRS International Journal of Geo-Information, 8(2), 93.