hasil analisa ruang dan waktu, yang mengindikasikan referensi para wisatawan untuk berkunjung dan berkumpul Dietvorst 1995. Untuk itu setelah dilakukan proses
inventarisir, proses pengelompokkan bangunan cagar budaya merupakan hal yang perlu dilakukan dalam menilai dan melakukan analisis lebih lanjut.
Konsentrasi bangunan cagar budaya secara spasial atau cagar budaya sebagai sebuah kawasan pada sebuah kota dianggap memiliki daya tarik wisata dibandingkan
dengan satu bangunan cagar budaya yang saling terpisah jauh dari bangunan lainnya. Dalam mengukur kepadatan sebaran bangunan cagar budaya maka digunakan metode
Kernel Density. Kernel Density mengukur kepadatan objek dengan menghitung kedekatan jarak antara satu objek terhadap objek yang lain secara kontinyu. Lingkup
analisa Kernel Density bekerja pada titik-titik bangunan cagar budaya secara kontinyu dengan Kota Bogor sebagai batas wilayah analisa dan tidak melakukan
analisis berdasarkan wilayah administrasi kelurahan. Hal tersebut membutuhkan proses selanjutnya yaitu dengan melakukan overlay peta jenis kepadatan bangunan
cagar budaya dengan batas wilayah administrasi kelurahan di Kota Bogor.
Kernel Density menelusuri radius pencarian yang disebut dengan bandwidth dengan persamaan sebagai berikut:
Search Radius = 0.9
∗ min
1 ln
2
∗ ∗
−0.2
dimana:
SD adalah jarak standar
D
m
adalah jarak median
n adalah jumlah titik atau jumlah populasi
Gambar 10. Ilustrasi Input-Output pada Arcgis Menggunakan Kernel Density.
3.4.2. Analisis Pusat dan Hierarki Pelayanan
Kawasan-kawasan cagar budaya yang terbentuk memiliki keterkaitan dengan wilayah administrasi baik kelurahan maupun kecamatan. Menghitung pertumbuhan
wilayah berdasarkan wilayah administrasi dapat dilakukan untuk mengetahui sejauh mana wilayah tersebut dapat mendukung keberadaan kawasan cagar budaya.
Perkembangan wilayah diketahui dengan mengukur sejauh mana wilayah tersebut berkembang dengan ciri perkembangan perkotaan yang meliputi jumlah dan jenis
fasilitas perkotaan yang telah ada, dengan menggunakan Analisis Skalogram.
Analisis skalogram merupakan analisis yang digunakan untuk menentukan hirarki wilayah terhadap jenis dan jumlah sarana dan prasarana yang tersedia.
Analisis ini menggunakan data Potensi Desa dengan parameter yang diukur meliputi
bidang sarana perekonomian, sarana komunikasi dan informasi, sarana kesehatan, sarana pendidikan terhadap jumlah penduduk disetiap kelurahan di Kawasan Cagar
Budaya Kota Bogor. Tahapan kegiatan pada analisis data dengan metode skalogram adalah: 1. Melakukan pemilihan terhadap data yang bersifat kuantitatif; sehingga
hanya data yang relevan saja yang digunakan; 2. Melakukan rasionalisasi data; 3. Melakukan seleksi terhadap data-data hasil rasionalisasi hingga diperoleh variabel
untuk analisis skalogram yang mencirikan tingkat perkembangan masing-masing wilayah; 4. Melakukan standarisasi data terhadap variabel tersebut sebelum
menentukan indeks perkembangan desakelurahan IPD di masing-masing kelurahan menggunakan rumus sebagai berikut:
��� = �′ dimana �′ =
� − � ��
Keterangan : IPD
j
I
ij
=Indeks Perkembangan Desa ke-j I’
ij
=Nilai skor sarana prasarana ke-i desa ke-j I
i
min =Nilai skor sarana prasarana ke-i terkecil minimum SD
i
= Simpangan baku sarana prasarana ke-i Setelah proses pembakuan selesai, kemudian dilakukan penjumlahan nilai baku
tersebut untuk setiap kelurahan. Untuk melihat struktur wilayah dilakukan sortasi data dimana wilayah yang mempunyai nilai yang paling besar diletakkan di barisan
atas dan fasilitas yang paling banyak berada di kolom kiri. Indeks Perkembangan Wilayah dikelompokkan ke dalam tiga kelas hirarki, yaitu; hirarki I tinggi, hirarki
II sedang, hirarkki III rendah. Penentuannya didasarkan pada nilai hasil standar deviasi IPD dan nilai rataannya, sehingga mendapat selang hirarki untuk menentukan
kelas hirarki seperti pada ditunjukkan Tabel 4.
Tabel 4. Penentuan nilai selang kelas hirarki untuk Analisis Skalogram.
No Kelas
Nilai Selang Tingkat Hirarki
1 Hirarki I
X [rataan + St Dev.IPW] Tinggi
2 Hirarki II
rataan X St Dev.IPW Sedang
3 Hirarki III
X rataan Rendah
3.4.3. Analisis Pembobotan Rank Order Centroid ROC
Metode ini disebut dengan pembobotan rank order centroid ROC karena bobot tersebut mencerminkan pusat dari gugus data yang didefinisikan oleh peringkat
kriteria. Dengan kriteria yang lebih banyak, kesalahan untuk peringkat kriteria akan jauh lebih sedikit. Istilah rank order centroid diciptakan oleh F. H. Barron dan B.
E. Barrett, yang juga berpendapat dapat digunakan dalam pembuat keputusan multi- atribut. Idenya adalah untuk mengkonversi peringkat pertama, kedua, ketiga,
keempat ke dalam nilai-nilai yang dinormalisasi pada skala interval 0.0-1.0. Cara yang jelas untuk mencapai ini adalah dengan mengasumsikan setiap peringkat
didistribusikan secara merata dalam interval satuan. Metode ini merupakan cara sederhana dalam memberikan bobot sejumlah peringkat menurut kepentingan. Para
pembuat keputusan biasanya dapat lebih mudah menentukan peringkat daripada memberikan bobot kepada mereka. Metode ini menjadikan peringkat sebagai input
dan mengubahnya menjadi bobot untuk masing-masing kriteria.
