MUST: Journal of Mathematics Education.
Science and Technology Vol.
No.
Juli 2025 Hal 95-121 DOI: http://doi.
org/10.
30651/must.
PREDIKSI LIVABILITY KOTA SURABAYA BERDASARKAN KEPADATAN
POPULASI MENGGUNAKAN MODEL LOGISTIK DAN HIRARKI
KLASTER
Triska Ilma Wardani1.
Shoffan Shoffa2.
Wahyuni Suryaningtyas3*.
Program Studi Pendidikan Matematika.
FKIP UMSurabaya wardanitriska700@gmail.
com1, shoffanshoffa@um-surabaya.
wahyunisuryaningtyas@um-surabaya.
Received 10 Mei 2025.
revised 16 juni 2025.
accepted 16 Juni 2025.
ABSTRAK
Penelitian ini bertujuan untuk memprediksi jumlah penduduk Kota Surabaya pada tahun 2035 menggunakan model logistik serta mengklasifikasikan tingkat kelayakan huni tiap kecamatan berdasarkan kepadatan penduduk.
Metode penelitian ini adalah kuantitatif deskriptif dengan mengumpulkan data dari Badan Pusat Statistik (BPS) Kota Surabaya antara tahun 2010 Ae 2023.
Data sekunder diperoleh dari BPS Surabaya tahun 2010Ae2023 dengan tujuan untuk memproyeksikan jumlah penduduk di Kota Surabaya serta mengelompokkan wilayah kecamatan berdasarkan tingkat livability-nya.
Prediksi dilakukan dengan menerapkan persamaan diferensial logistik, sementara klasterisasi dilakukan menggunakan analisis agglomerative hierarchical clustering berbantuan SPSS.
Hasil penelitian ini menemukan bahwa kecamatan dengan kepadatan tinggi, seperti Sawahan.
Bubutan, dan Simokerto, masuk kategori kurang layak huni.
Sementara kecamatan seperti Rungkut.
Sambikerep, dan Gunung Anyar tergolong sangat layak huni karena memiliki kepadatan rendah.
Temuan ini mengindikasikan bahwa tekanan demografis berbanding terbalik dengan tingkat Dengan visualisasi dalam bentuk peta, distribusi klaster membantu memberikan gambaran spasial untuk mendukung pengambilan kebijakan tata ruang.
Penelitian ini merekomendasikan perlunya pemerataan pembangunan, penguatan pengendalian pertumbuhan penduduk, serta peningkatan infrastruktur dasar di wilayah dengan kelayakan rendah agar kualitas hidup warga Kota Surabaya dapat ditingkatkan secara merata.
Kata kunci: hirarki klaster, model logistik, surabaya.
ABSTRACT
This study aims to predict the population of Surabaya City in 2035 using a logistic model and classify the level of livability of each sub-district based on population density.
This research method is quantitative descriptive by collecting data from the Central Statistics Agency (BPS) of Surabaya City between 2010 - 2023.
Secondary data was obtained from BPS Surabaya in 2010-2023 with the aim of projecting the population in Surabaya City and grouping sub-district areas based on their livability levels.
Predictions are made by applying logistic differential equations, while clustering is carried out using agglomerative hierarchical clustering analysis assisted by SPSS.
The results of this study found that sub-districts with high density, such as Sawahan.
Bubutan, and Simokerto, are categorized as less livable.
Meanwhile, sub-districts such as Rungkut.
Sambikerep, and Gunung Anyar are classified as very livable because they have low density.
This finding indicates that demographic pressure is inversely proportional to the level of livability.
With visualization in the form of a map, cluster distribution helps provide a spatial picture to support spatial planning policy making.
This study recommends the need for equitable development, strengthening of population growth control, and improving basic infrastructure in areas with low feasibility so that the quality of life of Surabaya City residents can be improved evenly.
Keywords: hirarchical clustering, logistic model, surabaya.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas PENDAHULUAN Saat ini.
Indonesia menempati posisi keempat sebagai negara dengan tingkat polusi tertinggi di dunia, setelah India.
Tiongkok, dan Amerika Serikat (Perdamaian & Zhai, 2.
Berdasarkan proyeksi Ikatan Ahli Perencana (IAP), jumlah penduduk yang tinggal di wilayah perkotaan mengalami peningkatan sebesar 14,8% dari tahun 1961 hingga 2015, dan diperkirakan mencapai hampir 66% pada tahun 2035.
Menurut Badan Pusat Statistik (BPS), jumlah penduduk Indonesia pada pertengahan tahun 2024 tercatat sebesar 281,60 juta jiwa.
Dari 10 kabupaten/kota dengan populasi tertinggi.
Kota Surabaya berada di urutan keenam dengan jumlah penduduk sebesar 2,92 juta jiwa (Lubis, 2.
Hal ini menunjukkan bahwa Kota Surabaya memiliki tingkat kepadatan penduduk yang tinggi.
Kepadatan penduduk yang tinggi menimbulkan berbagai permasalahan Permasalahan tersebut secara langsung mempengaruhi tingkat livability .
suatu kota.
Berdasarkan Most Livable City Index (MLCI) tahun 2022, tujuh kota tercatat sebagai kota paling nyaman untuk dihuni di Indonesia, yakni Solo .
,1%).
Yogyakarta .
,3%).
Cirebon .
%).
Magelang .
,4%).
Semarang .
,3%).
Kediri .
,5%), dan Mataram .
,2%) (Aditya, 2.
Meskipun tidak masuk dalam daftar kota paling layak huni.
Surabaya memiliki berbagai keunggulan dalam infrastruktur modern.
Sebagai perbandingan.
YogyakartaAiyang masuk dalam daftar MLCIAimemiliki karakteristik berbeda yang juga mendukung kelayakhuniannya.
Pada tahun 2023.
Kota Surabaya memiliki 40 rumah sakit umum, 20 rumah sakit khusus, dan 63 puskesmas BPS, 2024 jauh lebih banyak dibandingkan Yogyakarta yang hanya memiliki 12 rumah sakit umum, 3 rumah sakit khusus, dan 18 puskesmas (BPS, 2.
Yogyakarta mempertahankan moda transportasi tradisional seperti andong dan becak sebagai daya tarik wisata, meskipun telah memiliki bus Trans Jogja dan moda shuttle lainnya.
Di sisi lain.
Surabaya mengandalkan transportasi modern seperti Trans Semanggi Suroboyo dan Trans Jatim.
Yogyakarta menerapkan urban farming seperti Kampung Sayur Bausasran.
Surabaya memanfaatkan hidroponik dan pertanian vertikal(NurAoaini, 2.
Indeks Kepuasan Masyarakat (IKM) untuk Dinas Pendidikan Surabaya mencapai 94,92.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster lebih tinggi dari IKM DISPENDUKCAPIL Yogyakarta sebesar 90,17.
UMK Kota Surabaya pada tahun 2024 tercatat sebesar Rp4.
753,00, jauh lebih tinggi dari UMP Yogyakarta sebesar Rp2.
897,00.
Kota Surabaya terdiri atas 31 kecamatan dan 154 kelurahan sesuai dengan Peraturan Daerah (PERDA) Kota Surabaya No.
12 Tahun 2013 (Sonhaji, 2.
Wilayah tersebut dapat dilihat pada gambar di bawah ini.
Gambar 1.
Peta Adminitrasi Kota Surabaya Dengan luas wilayah 335,93 kmA, menempatkannya di urutan ke-30 kota dengan wilayah terluas di Jawa Timur (Syafira, 2.
Tingginya kepadatan tanpa kesiapan infrastruktur akan berdampak negatif terhadap keamanan, ketersediaan pangan, pengelolaan sampah, dan layanan publik kota.
Hal ini menimbulkan keluhan dari masyarakat terkait lapangan kerja, ketimpangan pembangunan, dan keterbatasan energi.
Maka dari itu, perencanaan kota yang mempertimbangkan aspek livability sangat dibutuhkan (Siagian & Ariastita, 2.
Salah satu pendekatan yang dapat digunakan untuk perencanaan tersebut adalah memprediksi pertumbuhan populasi melalui model matematika.
Model logistik dinilai sebagai metode prediksi yang efektif Nuraini, 2018 karena mempertimbangkan daya dukung wilayah Faza & Rohaeni, 2024 serta laju pertumbuhan yang cenderung menuju titik keseimbangan (Christiani, 2.
Setelah proyeksi populasi diperoleh, analisis klaster dapat digunakan untuk mengelompokkan kecamatan di Surabaya berdasarkan tingkat kelayakhuniannya.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Analisis hirarki klaster merupakan salah satu metode statistik multivariat untuk mengelompokkan objek berdasarkan kesamaan karakteristik (Bayu et al.
Dalam konteks penelitian ini, klasterisasi dilakukan untuk membagi wilayah Kota Surabaya menjadi tiga kelompok berdasarkan tingkat livability, yaitu: sangat layak, cukup layak, dan kurang layak.
Berdasarkan uraian permasalahan di atas, penelitian ini memiliki tujuan diantaranya .
Mengetahui prediksi jumlah penduduk Kota Surabaya per kecamatan pada tahun 2035 dengan persamaan diferensial model logistik, .
Mengetahui klasterisasi wilayah kecamatan di Kota Surabaya berdasarkan tingkat livability-nya ditinjau dari kepadatan populasi penduduknya.
Guna mendukung pencapaian tujuan penelitian tersebut, maka diperlukan landasan teori yang kuat.
Menurut Aini, 2024 livability adalah konsep yang mencerminkan kenyamanan untuk tinggal dan beraktivitas di suatu wilayah.
Mencakup aspek fisik dan nonfisik seperti fasilitas publik, ekonomi, sosial, dan Kota Surabaya mengalami overpopulasi dengan pertumbuhan penduduk yang terus meningkat, menyebabkan masalah sosial dan ekonomi seperti pengangguran, kemiskinan, dan permukiman kumuh (Tamara & Saumi, 2.
Sebuah wilayah dikatakan padat jika memiliki jumlah penduduk yang banyak namun luas wilayahnya sempit.
Pada penelitian ini satuan yang digunakan dalam pengukuran jumlah individu persatuan luas per hektare (H.
Hal tersebut dapat diminimalisir dengan cara memprediksi jumlah penduduk ditahun-tahun Salah satu cara untuk memprediksi jumlah penduduk adalah dengan menggunakan model populasi logistik dengan mempertimbangkan daya dukung wilayah (K).
Menurut Haberman, 1998 mengatakan bahwa P.
F Verlhuts pertama kalinya mengkaji model logistik diakhir tahun 1830-an dan selanjutnya dikaji oleh Pear dan Reed pad atahun 1920-an (Toaha, 2.
Salah satu model pertumbuhan populasi, model pertumbuhan logistik yang mengasumsikan bahwa populasi akan mendekati keseimbangan .
dititik tertentu.
Model logistik memiliki batas atau dihalangi oleh faktor penghambat sehingga populasi tidak dapat berkembang secara tidak terbatas.
Sehingga, model ini dianggap paling sesuai dengan keadaan yang sebenarnya (Anggreini, 2.
Grafik akan mendekati konstan jika jumlah Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster kelahiran dan kematian sama.
Laju pertumbuhan relatif hampir konstan jika populasi kecil.
Populasi maksimum yang dapat dipertahankan oleh lingkungan dalam jangka panjang (Kurniawan et al.
, 2.
Asumsi bentuk persamaan laju pertumbuhan yang mengakomodasi adalah 1 yccycE ycE yccyc ycE = yco .
Oe y.
A .
(Mikraj, 2.
Jika dikalikan dengan P, diperoleh model untuk pertumbuhan populasi yang dikenal dengan persamaan diferensial logistik, yaitu yccycE yccyc ycE = ycoycE .
Oe y.
(Pandu, 2.
Berdasarkan persamaan .
merupakan persamaan diferensial terpisahkan sehingga dapat diselesaikan secara eksplitsit dengan mencar solusi umum persamaan logistik dapat diperoleh melalui langkah-langkah berikut ini:
yccycE ycE ycE .
Oe ) = yco yccyc ya O yccycE ycE ycE .
Oe ) = O yco yccyc ya ln ycE Oe ln.
a Oe ycE) = ycoyc yca ycE ) = ycoyc yca yaOeycE ycE ) = yce ycoyc yca yaOeycE yayce ycoyc yca A .
ycE = 1 yce ycoyc yca Dari persamaan .
jika memberikan nilai awal yc = 0 dan ycE.
= ycE0 kemudian disubstitusikan ke dalam .
tersebut maka akan diperoleh nilai yca = ycoycu ( ycE yaOeycE Selanjutnya nilai c tersebut disubstitusikan kembali ke dalam persamaan .
, sehingga diperoleh solusi khusus dari model logistik seperti berikut yayce ycE= ycE0 yaOeycE0 ycoyc ln( 1 yce ycE0 yaOeycE0 ycoyc ln( ycE ycE= yayce ycoyc yaOeycE ycE 1 yce ycoyc yaOeycE P= ya ycE0 ycE= ya ya yce Oeycoyc Oe yce Oeycoyc 1 A .
(Nuraeni, 2.
ya Oe.
1 ycE0 yce Oeycoyc ( Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Keterangan P : jumlah populasi pada saat t ycE0 : jumlah populasi awal saat t=0 K : daya tampung .
arrying capacit.
dari suatu daerah untuk populasi k : laju pertumbuhan per kapita populasi t : waktu Persamaan .
merupakan bentuk sederhana dari solusi khusus model logistik yang akan digunakan dalam melakukan proyeksi penduduk suatu kota.
Penentuan nilai K dapat dilakukan dengan cara trial & error, yaitu dengan cara mensubstitusikan perkiraan nilai K ke dalam model yang diperoleh sehingga hasil yang diperoleh model mendekati jumlah populasi yang sebenarnya.
Jika persamaan .
dilimitkan dengan yc Ie O didapatkan .
ntuk k>.
yca ycAycoycaycu = lim ycA = ya = A.
(Kurniawan et al.
, 2.
yca ycIeO Berdasarkan penjelasan verhults laju pertumbuhan dan daya tampung dapat diperkirakan dengan rentang waktu pengambilan data yang diinginkan.
yca Berikutnya, dengan melakukan substitusi nilai ya = yca ke persamaan .
diperoleh K sebagai berikut:
ycE .
cE1 ycE0 Oe2ycE0 ycE2 ycE1 ycE2 ) ya= 1 ycE1 2 OeycE0 ycE2 A.
(Pratiwi, 2.
Selanjutnya, pada persamaan .
balik kedua ruas menjadi yaycE = yaOeycE ( ycE 0 ) yce Oeycoyc 1, kurangkan 1 pada kedua ruas menjadi:
ya ya Oe ycE0 Oeycoyc
Oe1=( )yce ycE
Ne( ycoycu ( yaOeycE
ya Oe ycE0 Oeycoyc
)=(
)yce ycE ycE0 yaOeycE ya Oe ycE0 ) = ycoycu ( ) Oe ycoyc ycE ycE0 ycoyc = ycoycu ( ya Oe ycE0 yaOeycE ) Oe ycoycu ( ycE0 ycE ycE .
aOeycE) yco = yc ycoycu .
aOeycE )A .
Sehingga untuk mencari nilai k dapat menggunakan persamaan .
disetiap tahunnya.
Setelah mendapatkan hasil prediksi jumlah penduduk.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster selanjutnya adalah mengklasterkan kecamatan-kecamatan tersebut berdasarkan tingkat kepadatannya menggunakan analisis hirarki klaster.
Analisis hirarki klaster merupakan teknik statistik multivariat yang digunakan untuk mengelompokkan kecamatan berdasarkan kemiripan nilai (Suryaningtyas & Kristanti, 2.
Metode yang digunakan adalah agglomerative hierarchical clustering dengan jarak Euclidean (Nugraha et al.
, 2.
Jarak pada analisis klaster hirarki, digunakan jarak Euclidean dengan fungsi yccycnyc sebagai yccycnyc = ocyco=1.
cycnyco Oe ycycyco ) A .
ycy Keterangan:
ycycnyco :Nilai dari variabel ycyco untuk objek i ycycyco :Nilai dari variabel ycyco untuk objek j Pada proses prediksi jumlah wilayah, perlu hal nya untuk mengetahui tingkat error pada perhitungan yang telah dilakukan.
Maka dari itu, pada penelitian ini, untuk menghitung nilai error Ae nya menggunakan Mean Absolute Percentage Error (MAPE).
Menurut Hutasuhut dalam Saputra & Febrianti .
mengatakan bahwa prediksi dikatakan semakain mendekati kebenaran apabila persentase MAPE semakin rendah.
Berikut ini adalah rumus MAPE.
ycAyaycEya = ycu Oeyceyc ycuyc yc Ocycu yc=.
ycu y 100%.
(Amatullah et al.
, 2.
Dimana MAPE memiliki range nilai yang dapat dijadikan patikan dalam pengukuran model sebagai berikut.
Tabel 1.
Kriteria MAPE Katerangan < 10% 10 Ae 20% 20 Oe 50% > 50% Deskripsi Katerogi MAPE Sangat Baik Katerogi MAPE Baik Katerogi MAPE Layak Katerogi MAPE Buruk (Azman, 2.
Penelitian ini berangkat dari penelitian terdahulu yang relevan, diantaranya penelitian yang dilakukan oleh Kurniawan et al.
, .
berjudul AuAplikasi Persamaan Diferensial Biasa Model Eksponensial dan Logistik pada Pertumbuhan Penduduk Kota SurabayaAy yang mengatakan bahwa model yang lebih akurat untuk Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas pendugaan jumlah penduduk Kota Surabaya adalah model logistik.
Penelitian yang kedua dilakukan oleh Widodo et al.
, .
berjudul AuPengelompokkan Provinsi di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Analisis Hierarchical Agglomerative ClusteringAy dengan hasil penelitian menunjukkan bahwa provinsi di Indonesia dapat dikelompokkan menjadi tiga klaster, yaitu klaster dengan tingkat kemiskinan rendah .
, sedang .
, dan tinggi .
provinsi Papua dan Papua Bara.
Kesimpulannya, klasterisasi ini memberikan gambaran yang lebih jelas tentang distribusi kemiskinan di Indonesia, membantu pemerintah dalam merancang kebijakan yang lebih tepat sasaran.
Namun, penelitian ini memiliki keterbatasan karena hanya menggunakan data tahun 2020, sehingga belum dapat menunjukkan dinamika perubahan kemiskinan dalam jangka waktu yang lebih METODE PENELITIAN Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan tujuan untuk memproyeksikan jumlah penduduk di Kota Surabaya serta mengelompokkan wilayah kecamatan berdasarkan tingkat livability-nya.
Data yang digunakan merupakan data sekunder yang diperoleh dari publikasi Badan Pusat Statistik (BPS) Kota Surabaya tahun 2010 hingga 2023.
Penelitian ini dilaksanakan di Universitas Muhammadiyah Surabaya pada tahun 2024-2025.
Proyeksi jumlah penduduk dilakukan dengan menerapkan model logistik yang mempertimbangkan daya dukung maksimum .
arrying capacit.
dan laju pertumbuhan populasi.
Parameter model dihitung melalui pendekatan persamaan diferensial logistik yang disesuaikan dengan data historis.
Nilai prediksi jumlah penduduk tahun 2035 ditentukan menggunakan persamaan logistik yang telah Pada hal ini, variabel penelitian yang digunakan diantaranya adalah Variabel X : kepadatan penduduk (H.
dan variabel Y : tingkat livability .
angat layak, cukup layak, dan kurang laya.
Setelah diperoleh hasil prediksi, data kepadatan penduduk per kecamatan dihitung dan digunakan sebagai dasar untuk melakukan analisis klaster menggunakan metode hierarchical agglomerative clustering.
Proses klasterisasi dilakukan dengan bantuan perangkat lunak IBM SPSS Statistics versi 25.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster Standarisasi data dilakukan menggunakan metode z-score untuk memastikan kesetaraan skala antar variabel.
Selanjutnya, membuat tabel distribusi frekuensi kelompok yang mudah dipahami dan memuat beberapa data dalam bentuk interval kelas dengan selang tertentu.
HASIL PENELITIAN DAN PEMBAHASAN
Berdasarkan data yang diperoleh dari Badan Pusat Statistik Kota Surabaya pada tahun 2010 Ae 2023 dapat dilihat pada tabel jumlah penduduk Kota Surabaya per kecamatan seperti yang ada pada tabel dibawah ini.
Tabel 2.
Data Historis Jumlah Penduduk Kota Surabaya 2010 Ae 2023 Kecamatan Tegalsari Genteng Bubutan Simokerto Pabean Cantian 90.
Semampir Krembangan Kenjeran Bulak Tambaksari A A Wiyung Wonocolo Gayungan Jambangan Tandes Sukomanunggal 96.
Asemrowo Benowo Pakal Lakarsantri Sambikerep Tahun A 772 A A 181 A 836 A A 011 A 181.
800 A 114.
625 A 177.
178 AA 46.
457 A 226.
617 A 104.
Selain itu, dalam penelitian ini juga menggunakan data historis terkait luas wilayah yang dikutip dari BPS Kota Surabaya.
Luas wilayah tersebut dapat dilihat pada tabel sebagai berikut.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Tabel 3.
Luas Wilayah per Kecamatan Kota Surabaya Kecamatan A Tegalsari Genteng Bubutan Simokerto Pabean Cantian A Sukomanunggal Asemrowo Benowo Pakal Lakarsantri Sambikerep Luas Wilayah .
cyeC) A Selanjutnya data tersebut akan diprediksi menggunakan model logistik pada tahun 2035.
Pada perhitungan prediksi dengan menggunakan model logistik pada persamaan .
sebagai berikut.
Menentukan nilai K dengan menggunakan persamaan .
, sehingga diperoleh diantaranya:
Kecamatan Tegalsari ycE0 = 111.
ycE1 = 113.
ycE2 = 116.
Substitusikan ketiga data tersebut ke dalam persamaan .
Sehingga diperoleh:
ya= 772.
772 y 111.
156Oe2y111.
2Oe111.
ya = 149.
729,485
Maka, nilai K untuk Kecamatan Tegalsari sebesar 149.
729,485
Kecamatan Genteng ycE0 = 66.
ycE1 = 67.
ycE2 = 68.
Substitusikan ketiga data tersebut ke dalam persamaan .
Sehingga diperoleh:
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster ya= 659.
659 y 66.
637 Oe 2 y 66.
637 y 68.
659 y 68.
2 Oe 66.
637 y 68.
ya = 69.
Maka, nilai K untuk Kecamatan Genteng sebesar 69.
Kecamatan Bubutan ycE0 = 111.
ycE1 = 113.
ycE2 = 115.
Substitusikan ketiga data tersebut ke dalam persamaan .
Sehingga diperoleh:
ya= 181.
181 y 111.
478 Oe 2 y 111.
478 y 115.
181 y 115.
2 Oe 111.
478 y 115.
ya = 102.
Maka, nilai K untuk Kecamatan Bubutan sebesar 102.
Dengan menggunakan formula yang sama, nilai K pada setiap kecamatan dapat dilihat pada tabel berikut.
Tabel 4.
Nilai K per Kecamatan Kecamatan No Kecamatan Nilai K Nilai K Tegalsari 17 Sawahan Genteng 18 Wonokoromo Bubutan 19 Karangpilang Simokerto 20 Dukuh Pakis Pabean 21 Wiyung Cantian 6 Semampir 22 Wonocolo 7 Krembangan 122.
23 Gayungan 8 Kenjeran 24 Jambangan 9 Bulak 25 Tandes 10 Tambaksari 26 Sukomanunggal 118.
11 Gubeng 27 Asemrowo 12 Rungkut 28 Benowo Tenggilis 29 Pakal Mejoyo Gunung 30 Lakarsantri Anyar 15 Sukolilo 31 Sambikerep 16 Mulyorejo Nilai K tersebut selanjutnya digunakan dalam perhitungan untuk mencari nilai k .
aju pertumbuha.
penduduk per tahunnya pada tiap kecamatan.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Selanjutnya menghitung nilai laju pertumbuhan .
Nilai k merupakan parameter penting dalam model populasi logistik karena mencerminkan kecepatan pertamabahan atau pengurangan populasi dari waktu ke waktu di suatu wilayah tertentu.
Perhitungan nilai k didasarkan pada data jumlah penduduk aktual dari tahun 2010-2023 menggunakan persamaan .
Proses ini dilaksanakan secara sistematis dengan bantuan softwere Micosoft Excel Versi 2019 menggunakan formula logaritmik yang sesuai dengan bentuk matematis model tersebut.
Sehingga nilai k setiap kecamatan diperoleh sebagai berikut.
Tabel 5.
Nilai k per Tahun pada Setiap Kecamatan A Kecamatan yeUya
Tegalsari Genteng
0,3857
Bubutan -0,1656 Simokerto
0,4413
Pabean Cantian -0,444 Semampir -0,4063 Krembangan -0,7066 Kenjeran 0,2498 Bulak
0,53154
Tambaksari -0,1294 A A Wiyung
0,087
Wonocolo
0,150
Gayungan 0,071 Jambangan 0,107 Tandes 0,014 Sukomanunggal 0,296 Asemrowo
0,114
Benowo
-0,239
Pakal
-0,056
Lakarsantri 0,058 Sambikerep
0,207
Setiap Nilai k
yeUyc
yeUyaya
0,0251 A -0,0016
0,0415 A -0,0031
-0,043 A -0,0241
0,1688 A -0,0054
-0,092 A -0,0041
-0,070 A 0,0042
-0,121 A -00023
0,0771 A 0,0099
0,2891 A -0,0401
-0,027 A 0,00079
0,024 A 0,003
0,032 A 0,000
0,017 A -0,001
0,0269 A 0,003
0,004 A 0,0002
0,099 A 0,000
0,013 A 0,002
-0,035 A -0,001
-0,012 A -0,002
0,012 A 0,001
0,062 A 0,009
yeUya
0,0467
0,1928
-0,082
0,2206
-0,222
-0,203
-0,353
0,1249
0,2657
-0,064
0,0437
0,075
0,036
0,053
0,007
0,148
0,057
-0,120
-0,028
0,0289
0,1033
yeUyaya
0,0004
0,0041
0,0020
-0,006
-0,001
-0,036
0,0005
0,2071
-0,045
-0,002
0,003
0,001
0,001
0,003
0,000
0,003
0,001
-0,004
-0,003
0,001
0,016
yeUyayc
-0,0003
0,00114
-0,0065
-0,0007
-0,0020
0,0165
0,0072
0,0372
-0,0212
-0,0016
0,003
0,001
0,001
0,002
0,000
0,003
0,002
-0,003
-0,002
0,001
0,019
pertumbuhan wuilayah dapat tercermin secara spesifik.
Nilai k yang telah diperoleh menjadi dasar dalam pembentukan model populasi logistik serta digunakan dalam proses prediksi jumlah penduduk pada tahuntahun berikutnya secara lebih presisi.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster Membentuk Model Prediksi Setelah menentukan nilai k pertahun, kemudian mensubstitusikan nilai k pada persamaan .
Proses ini dilakukan secara terpisah untuk setiap kecamatan guna memastikan karakteristik pertumbuhan populasi yang spesifik pada masing-masing wilayah.
Sehingga model prediktif tersebut diperoleh sebagai berikut.
Kecamatan Tegalsari 729,485 Model Logistik I bentuk persamaannya ycE = .
,3470.
yceOe.
t 1 dengan laju pertumbuhan relatif pertahunnya sekitar 9,34%.
729,485
Model Logistik II bentuk persamaannya ycE = .
,3470.
yceOe.
,0.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar 4,67%.
729,485
Model Logistik i bentuk persamaannya ycE = .
,3470.
yceOe.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar 2,51%.
729,485
Model Logistik IV bentuk persamaannya ycE = .
,3470.
yceOe(Oe0.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar -14,25%.
729,485
Model Logistik V bentuk persamaannya ycE = .
,3470.
yceOe.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar -1,48%.
729,485
Model Logistik VI bentuk persamaannya ycE = .
,3470.
yceOe.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar 9,3%.
729,485
Model Logistik VII bentuk persamaannya ycE = .
,3470.
yceOe.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar 5,6%.
729,485
Model Logistik Vi bentuk persamaannya ycE = .
,3470.
yceOe(Oe0.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar -1,7%.
729,485
Model Logistik IX bentuk persamaannya ycE = .
,3470.
yceOe.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar 5,2%.
729,485
Model Logistik X bentuk persamaannya ycE = .
,3470.
yceOe(Oe0.
yc 1 dengan laju pertumbuhan relatif pertahunnya sekitar -2,9%.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Model Logistik ycE= 729,485 dengan laju pertumbuhan relatif pertahunnya .
,3470.
yce Oe(Oe0.
yc 1 sekitar -1,6%.
Model
Logistik
729,485
,3470.
yce Oe.
XII
ycE= dengan laju pertumbuhan relatif pertahunnya sekitar 0,04%.
Model Logistik Xi ycE= 729,485 dengan laju pertumbuhan relatif pertahunnya .
,3470.
yce Oe(Oe0.
yc 1 sekitar -0,03%.
Berlaku juga untuk setiap kecamatan dengan memperhatikan nilai k per tahunnya yang disajikan dalam Tabel 6 berikut.
Tabel 6.
Model Prediktif Berdasarkan Nilai k
No Kecamatan 1 Tegalsari A Genteng
Bubutan A Pakal
Lakarsantri Sambikerep
Model I Model II
729,485
,3470.
yce Oe.
729,485
ycE= .
,3470.
yce Oe.
,0.
yc 1 ycE .
,0495.
yce Oe.
ycE= (Oe0,0.
yce Oe(Oe0,1.
ycE= .
,0495.
yce Oe.
,1.
ycE= (Oe0,0.
yce Oe(Oe0,0.
ycE= (Oe0,3.
yce Oe(Oe0,.
ycE= (Oe0,3.
yce Oe(Oe0,0.
ycE= A A A A A Model XII
Model Xi
729,485
ycE= .
,3470.
yce Oe.
yc 1 ycE= 729,485 .
,3470.
yce Oe(Oe0.
,0495.
yce Oe.
,0.
ycE= .
,0495.
yce Oe.
,00.
(Oe0,0.
yce Oe.
,0.
ycE= ycE= ycE= (Oe0,0.
yce Oe(Oe0,0.
ycE= (Oe0,3.
yce Oe(Oe0,0.
yc 1 ycE= (Oe0,3.
yce Oe0,0023yc 1 Oe145.
398,4313
,94.
yce Oe.
,028850.
ycE= Oe145.
398,4313
,94.
yce Oe.
,001.
yc 1 ycE= Oe145.
398,4313
,94.
yce Oe.
,00.
,31.
yce Oe.
,103.
ycE= .
,31.
yce Oe.
,016.
yc 1 ycE= .
,31.
yce Oe.
,019.
yc 1 Oe145.
398,4313
,94.
yce Oe.
,057.
yc 1 ycE= .
,31.
yce Oe.
,2.
yc 1 ycE= ycE= A Menghitung Nilai Prediksi Nilai prediksi diambil dari setiap model yang telah ditentukan pada langkah sebelumnya yang kemudian setiap modelnya merubah nilai t nya dimulai dari t=1 hingga t=13 disetiap kecamatannya.
Sehingga setiap model menghasilkan nilai prediksi yang kemudian dibandingkan dengan data historis .
ata asl.
Nilai prediksi tersebut dapat dilihat pada tabel berikut.
Tabel 7.
Nilai Prediksi Model
Kecamatan Tahun Data Asli
Tegalsari Model
Hasil Prediksi Berdasarkan Model
Model
Model II
XII
Model
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik
dan Hirarki Klaster
Kecamatan Genteng
Bubutan A A A A Pakal
Lakarsantri Tahun Data Asli
Model
Hasil Prediksi Berdasarkan Model
Model
Model
Model II
XII
A A
A A
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Kecamatan Sambikerep
Tahun Data Asli
Model
Hasil Prediksi Berdasarkan Model
Model
Model II
XII
Model Xi Berdasarkan tabel tersebut, prediksi jumlah penduduk untuk masing-masing kecamatan dapat dilihat variasi proyeksi yang dihasilkan oleh model logistik yang telah dibentuk sebelumnya.
Sehingga, untuk menilai tingkat ketepatan dari prediksi tersebut, diperlukan langkah evaluasi erroring dengan menggunakan MAPE.
Evaluasi Akurasi Model dengan MAPE Perhitungan MAPE dilakukan terhadap setiap kecamatan secara individual guna mempertahankan spesifikasi model yang telah disusun berdasarkan karakteristik masing-masing wilayah.
Tabel 8.
Nilai MAPE per Kecamatan Kecamatan Tegalsari Genteng
Bubutan Simokerto
Pabean Cantian Semampir Krembangan Kenjeran Bulak
Tambaksari Gubeng
yaUyayayyayau
MAPE
yaUyayayyayau
yaUyayayyayau
yaOyaO
yayaOyaO
yaUyayayyayau
yayaOyaOyaO
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik
dan Hirarki Klaster
yaUyayayyayau
Rungkut
Tenggilis Mejoyo
Gunung Anyar
Sukolilo
Mulyorejo
Sawahan Wonokoromo
Karangpilang
Dukuh Pakis Wiyung
Wonocolo
Gayungan Jambangan Tandes Sukomanunggal Asemrowo
Benowo
Pakal
Lakarsantri Sambikerep
Kecamatan yaUyayayyayau
yaOyaO
MAPE
yaUyayayyayau yayaOyaO yaUyayayyayau yayaOyaOyaO Pada setiap model memiliki nilai MAPE masing-masing.
Sesuai dengan penjelasan sebelumnya, berarti dalam hal ini diambil nilai MAPE yang paling kecil karena dengan begitu artinya model prediksi tersebut memiliki nilai error yang paling kecil.
Maka, model yang akan digunakan oleh masing-masing kecamatan diantaranya: .
Kec.
Tegalsari: Model X, .
Kec.
Genteng: Model X, .
Kec.
Bubutan: Model Vi, .
Kec.
Simokerto: Model XII, .
Kec.
Pabean Cantian: Model VII, .
Kec.
Semampir: Model Xi, .
Kec.
Krembangan: Model VI, .
Kec.
Kenjeran: Model II, .
Kec.
Bulak:
Model I, .
Kec.
Tambaksari: Model X, .
Kec.
Gubeng: Model VII, .
Kec.
Rungkut: Model i, .
Kec.
Tenggilis Mejoyo: Model i, .
Kec.
Gunung Anyar: Model II, .
Kec.
Sukolilo: Model i, .
Kec.
Mulyorejo:
Model V, .
Kec.
Sawahan: Model Vi, .
Kec.
Wonokromo: Model XI, .
Kec.
Karangpilang: Model IX, .
Kec.
Dukuh Pakis: Model Vi, .
Kec.
Wiyung: Model II, .
Kec.
Wonocolo: Model X, .
Kec.
Gayungan:
Model Vi, .
Kec.
Jambangan: Model i, .
Kec.
Tandes: Model XI, .
Kec.
Sukomanunggal: Model V, .
Kec.
Asemrowo: Model IV, .
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Kec.
Benowo: Model i, .
Kec.
Pakal: Model i, .
Kec.
Lakarsantri:
Model II, dan .
Kec.
Sambikerep: Model II.
Prediksi Jumlah Penduduk Tahun 2035 Prediksi jumlah penduduk merupakan tahapan lanjutan setelah penetapan model prediktif yang telah disesuaikan dengan karakteristik data historis pada masing-masing Proses mensubstitusikan parameter laju pertumbuhan .
dan kapasitas maksimum .
yang telah diperoleh ke dalam persamaan model logistik yang telah Sesuai dengan salah satu tujuan penelitian yang telah dijelaskan, maka pada hal ini peneliti ingin memprediksi jumlah penduduk di tahun 2035 dimana tahun tersebut sama dengan t = 25.
Sehingga diperoleh sebagai berikut.
Kecamatan Tegalsari ycE25 = 729,485 .
,347.
yce Oe(Oe0,.
25 1 ycE25 = 87.
Maka.
Prediksi Jumlah Penduduk Kecamatan Tegalsari tahun 2035 adalah 478 jiwa.
Kecamatan Genteng ycE25 = .
,0495.
yce Oe(Oe0,.
25 1 ycE25 = 57.
Maka.
Prediksi Jumlah Penduduk Kecamatan Genteng tahun 2035 adalah 160 jiwa.
Kecamatan Bubutan ycE25 = (Oe0,077.
yce Oe.
,0.
25 1 ycE25 = 109.
Maka.
Prediksi Jumlah Penduduk Kecamatan Bubutan tahun 2035 adalah 007 jiwa.
Sehingga dengan menggunakan formula yang sama, diperoleh prediksi jumlah penduduk per kecamatan pada tahun 2035 seperti tabel berikut.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster Tabel 9.
Prediksi Jumlah Penduduk Tahun 2035 Kecamatan Tegalsari Genteng Bubutan Simokerto Pabean Cantian Semampir Krembangan Kenjeran Bulak Tambaksari Gubeng Rungkut Tenggilis Mejoyo Gunung Anyar Sukolilo Mulyorejo Sawahan Wonokoromo Karangpilang Dukuh Pakis Wiyung Wonocolo Gayungan Jambangan Tandes Sukomanunggal Asemrowo Benowo Pakal Lakarsantri Sambikerep Prediksi Penduduk Tahun 2035 Selanjutnya, hasil prediksi tersebut dianalisis lebih lanjut dengan menggunakan metode analisis hirarki klaster .
ierarchical cluster analysi.
guna mengelompokkan kecamatan-kecamatan ke dalam beberapa klaster yang memiliki kemiripan karakteristik pertumbuhan populasi.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Menentukan Kepadatan Penduduk Kepadatan penduduk erat hubungannya dengan jumlah populasi dan luas Adapun rumus untuk mencari kepadatan penduduk yaitu:
yayceycyycayccycaycycaycu ycEyceycuyccycyccycyco = yaycycoycoycaEa ycEycuycyycycoycaycycn yaycycayc ycOycnycoycaycycaEa A .
Sehingga, dari formula tersebut diperoleh kepadatan penduduk wilayah Kota Surabaya berdasarkan kecamatannya dapat dilihat pada tabel berikut Tabel 10.
Kepadatan Penduduk per Kecamatan Kota Surabaya Kecamatan Tegalsari Genteng Bubutan Simokerto Pabean Cantian Semampir Krembangan Kenjeran Bulak Tambaksari Gubeng Rungkut Tenggilis Mejoyo Gunung Anyar Sukolilo Mulyorejo Kepadatan Penduduk Kecamatan Sawahan Wonokoromo Karangpilang Dukuh Pakis Wiyung Wonocolo Gayungan Jambangan Tandes Sukomanunggal Asemrowo Benowo Pakal Lakarsantri Sambikerep Kepadatan Penduduk Setelah didapatkan nilai kepadatan penduduk per kecamatannya, selanjutnya adalah mengklasterkan menggunakan softwere IBM SPSS Statistic Versi 25.
Klastersisasi Menggunakan SPSS Analisis klasifikasi menggunakan agglomerative hierarchical cluster dapat mengelompokkan kecamatan-kecamatan memiliki kesamaan karakteristik, dalam hal ini akan ditentukan sebanyak 3 .
Konsep dari metode hirarkis dimulai dengan menggabungkan 2 obyek yang paling mirip, kemudian gabungan 2 obyek tersebut akan bergabung lagi dengan satu atau lebih obyek yang paling mirip lainnya.
Proses clustering ini pada akhirnya akan AomenyatuAo menjadi satu cluster besar yang mencakup semua obyek.
Metode ini disebut Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster juga sebagai Aumetode agglomerativeAy yang digambarkan dengan dendogram.
Klasifikasi menggunakan agglomerative hierarchical cluster analysis dengan software IBM SPSS Versi 21 diperoleh output AuProximitiesAy pada Tabel 11.
Tabel 11.
Output Case Processing Summary Case Processing Summary Valid Case Missing Total Percent Percent Percent Output AuProximitiesAy pada Tabel 11 dengan case processing summary menunjukkan semua data sebanyak 31 telah diproses tanpa ada missing .
Jumlah cluster memiliki anggota masing-masing yang terbentuk.
Selanjutnya, berdasarkan analisis menggunakan SPSS sesuai dengan langkahlangkah pelaksanaan klasterisasi kepadatan penduduk per kecamatan Kota Surabaya diperoleh dalam bentuk dendogram claster.
Output analisis klasterisasi kepadatan penduduk per kecamatan Kota Surabaya menggunakan agglomerative hirarchical cluster analysis .
etween grou.
secara visual yaitu Dendogram disajikan pada Gambar 2.
Gambar 2.
Dendogram Cluster Kependudukan Agar lebih mudah dipahami, hasil analisis klasterisasi sercara visual juga disajikan dalam bentuk Tabel 11.
Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas Tabel 12.
Klasterisasi Kepadatan Penduduk per Kecamatan Kota Surabaya Klaster Anggota Bulak.
Rungkut.
Tenggilis Mejoyo.
Gunung Anyar.
Sukolilo.
Mulyorejo.
Karangpilang.
Dukuh Pakis.
Wiyung.
Gayungan.
Tandes.
Asemrowo.
Benowo.
Pakal.
Lakarsantri, dan Sambikerep Tegalsari.
Genteng.
Pabean Cantian.
Semampir.
Krembangan.
Kenjeran.
Tambaksari.
Gubeng.
Wonokromo.
Wonocolo.
Jambangan, dan Sukomanunggal Bubutan.
Simokerto, dan Sawahan Jumlah Ket Interval Rendah ycU < 115 Sedang 116 < ycU < 232 Tinggi ycU > 233 Pada Tabel 12 pembentukkan klaster berdasarkan kepadatan penduduk per kecamatan Kota Surabaya masingAemasing memiliki rentang O 115.
Sehingga, sesuai dengan tujuan dari penelitian maka pengklasifikasian kepadatan penduduk dapat dilihat pada Tabel 13.
Tabel 13.
Klasifikasi Kepadatan Penduduk Kepadatan Penduduk ycU < 115 116 < ycU < 232 ycU > 233 Keterangan Sangat Layak Cukup Layak Kurang Layak Hasil klasifikasi kepadatan penduduk yang disusun dalam bentuk tabel distribusi frekuensi selanjutnya akan divisualisasikan dalam peta persebaran tingkat kelayakan huni.
Visualisasi ini berfungsi untuk menyajikan gambaran spasial mengenai distribusi kepadatan penduduk antar wilayah di Kota Surabaya, yang merupakan salah satu parameter dalam penilaian kelayakan Peta tersebut disajikan pada Gambar 3.
Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster Gambar 3.
Peta Kepadatan Penduduk Kota Surabaya Peta tersebut menunjukkan bahwa persebaran tingkat kepadatan penduduk yang sangat beragam.
Hanya beberapa saja daerah yang memiliki tingkat kepadatan tinggi terlihat dipusat kota.
Tingkat kepadatan sedang berada di pusat kota juga yang saling berdampingan.
Sedangkan, kecamatan dengan kepadatan rendah berada pada luar wilayah kota.
Sehingga, berdasarkan hasil penelitian yang telah dijelaskan hal tersebut sejalan dengan penelitian yang dilakukan oleh Kurniawan et al.
, .
bahwa model prediksi populasi logistik lebih efektif dibandingkan model Perhitungan prediksi dilakukan dengan menentukan nilai carrying capacity (K) dan laju pertumbuhan penduduk .
untuk masingmasing kecamatan.
Hasil prediksi ini kemudian digunakan untuk menghitung nilai kepadatan penduduk .
iwa/H.
setiap kecamatan.
Perbedaan laju pertumbuhan antar kecamatan menegaskan adanya dinamika spasial yang memerlukan pendekatan pembangunan berbasis wilayah.
Beberapa kecamatan seperti Kenjeran dan Gunung Anyar menunjukkan pertumbuhan positif, sedangkan kecamatan seperti Bubutan dan Pabean Cantian mengalami stagnasi atau penurunan.
Setelah diperoleh nilai kepadatan penduduk, dilakukan Triska Ilma Wardani.
Shoffan Shoffa.
Wahyuni Suryaningtyas analisis klaster hirarki dengan metode agglomerative hierarchical clustering untuk mengelompokkan kecamatan ke dalam tiga klaster tingkat kelayakan huni .
, yakni: Klaster 1 Ae Sangat Layak Huni dengan kepadatan penduduk rendah pada interval .
cU < 115 ycycnycyca/Eayc.
Klaster 2 Ae Cukup Layak Huni dengan kepadatan penduduk sedang pada interval ( 166 < ycU < 232 ycycnycyca/Eayc.
, dan Klaster 3 Ae Kurang Layak Huni dengan kepadatan penduduk tinggi pada interval .
cU > 233 ycycnycyca/Eayc.
Meskipun hasil penelitian ini memberikan gamabaran umum mengenai tingkat kelayakan huni berdasarkan kepadtan penduduk, penelitian ini memiliki keterbatasan penting, diantaranya: penelitian hanya menggunakan variabel kepadatan penduduk yang hanya memperhatikan jumlah penduduk dan luas wilayah saja tanpa mempertimbangkan faktor fasilitas lainnya seperti transportasi, ekonomi, pendidikan, sosial, dan budaya.
Oleh karena itu, hasil penelitian ini bersifat awal dan dapat dikembangkan lebih lanju dengan pendekatan multidimensi yang melibatkan indikator sosial budaya, pendidikan, kesehatan, ekonomi, dan lingkungan terutama di kota urban seperti Surabaya.
SIMPULAN
Hasil penelitian menemukan bahwa hasil prediksi jumlah penduduk pada tahun 2035 menggunakan model logistik menunjukkan bahwa terdapat kecamatan yang memiliki jumlah penduduk tertinggi diantaranya Sawahan sebanyak 216.
Tambaksari sebanyak 208.
989 jiwa, dan Semampir 192.
302 jiwa.
Serta hasil klasterisasi Kota Surabaya berdasarkan wilayah pada tahun 2035 dibagi menjadi 3 klaster berdasarkan tingkat livability ditinjau dari kepadatan penduduk.
Klaster Ae klaster tersebut terdiri dari kecamatan sangat layak huni, kecamatan cukup layak huni, dan kecamatan kurang layak huni.
Meskipun hasil penelitian ini memberikan gamabaran umum mengenai tingkat kelayakan huni berdasarkan kepadtan penduduk, penelitian ini memiliki keterbatasan penting, diantaranya: penelitian hanya menggunakan variabel kepadatan penduduk yang hanya memperhatikan jumlah penduduk dan luas wilayah saja tanpa mempertimbangkan faktor fasilitas lainnya seperti transportasi, ekonomi, pendidikan, sosial, dan budaya.
Oleh karena Prediksi Livability Kota Surabaya Berdasarkan Kepadatan Populasi Menggunakan Model Logistik dan Hirarki Klaster itu, hasil penelitian ini bersifat awal dan dapat dikembangkan lebih lanjut dengan pendekatan multidimensi yang melibatkan indikator sosial budaya, pendidikan, kesehatan, ekonomi, dan lingkungan terutama di kota urban seperti Surabaya.
Adapun rekomendasi yang bisa dilakukan untuk mengatasi masalah tersebut adalah mendorong pemerintah Kota Surabaya untuk melakukan pemerataan pembangunan insfratruktur dasar seperti menyediakan sanitasi, air, bersih, sumber daya energi dan listrik, pembangunan jalan dan akses transportasi umum, menyediakan jaringan telekomunikasi, memberikan sistem dan pelayanan pengelolaan limbah, serta menyediakan ruang hijau terbuka seperti taman, taman kota, atau bahkan lokasi untuk rekreasi dan ekologis, serta mengoptimalkan kebijakan ruas berbasis data Rencana tata ruang wilayah yang adaptif harus diarahkan pada pengembangan kawasan baru di wilayah seperti Pakal.
Benowo, dan Sambikerep yang lebih layak huni.
UCAPAN TERIMA KASIH
Penulis mengucapkan rasa syukur yang mendalam ke hadirat Allah Subhanahu wa Ta'ala atas limpahan rahmat, taufik, dan hidayah-Nya sehingga penulisan artikel ini dapat diselesaikan dengan baik.
Penghargaan dan terima kasih yang setulusnya juga disampaikan kepada kedua orang tua atas doa, dukungan moral, dan semangat yang tiada henti.
Ucapan terima kasih selanjutnya ditujukan kepada dosen pembimbing yang telah memberikan arahan, bimbingan akademik, serta masukan yang konstruktif dalam penyusunan artikel ini.
Tidak lupa, penulis menyampaikan apresiasi kepada keluarga besar yang senantiasa memberikan dukungan, serta kepada sahabat-sahabat terdekat yang telah menjadi sumber motivasi, diskusi, dan semangat selama proses penulisan berlangsung.
DAFTAR PUSTAKA