Abstract

Penelitian ini menganalisis pola aksesibilitas infrastruktur di Kota Pekalongan menggunakan pendekatan berbasis grid dan metode pembelajaran mesin. Dengan mengintegrasikan data dari BPS, OpenStreetMap, dan ESRI 2023, penelitian ini menggunakan unit analisis grid 100m × 100m untuk mengukur aksesibilitas ke fasilitas publik seperti pendidikan, kesehatan, dan perdagangan. Analisis menggunakan tiga metode pengelompokan (K-Means, Bisecting K-Means, dan Agglomerative) mengidentifikasi tiga pola aksesibilitas yang khas. Klaster pertama (40,29%) menunjukkan aksesibilitas optimal dengan kepadatan jalan yang tinggi, terutama di pusat kota. Klaster kedua (31,64%) menunjukkan aksesibilitas sedang, mencirikan daerah transisi. Klaster ketiga (32,90%) menunjukkan aksesibilitas terendah, terutama di wilayah selatan dan pesisir. Pemodelan pembelajaran mesin menggunakan Catboost mencapai akurasi tertinggi dengan nilai logloss 0,0091, yang mengonfirmasi jarak ke fasilitas kesehatan dan komersial sebagai penentu utama aksesibilitas. Temuan ini memberikan landasan empiris untuk pengembangan infrastruktur yang lebih terarah, dengan rekomendasi kebijakan yang disesuaikan dengan karakteristik masing-masing klaster. Metodologi yang dikembangkan menawarkan pendekatan baru untuk analisis aksesibilitas perkotaan yang dapat direplikasi di kota-kota lain dengan karakteristik serupa.