Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu bentuk ulasan digital saat ini adalah consumer review website (CRW). Website Zomato merupakan salah satu CRW yang banyak digunakan dan indeks popularitas restoran yang ada di dalamnya memudahkan penggunanya untuk memilih restoran yang terbaik, terutama di Kota Bandung yang terkenal akan kulinernya. Mengingat indeks popularitas di sini penting, perlu diketahui distribusi spasial restoran berindeks popularitas, karakteristiknya, dan faktor yang mempengaruhi distribusi spasial indeks popularitas restoran di Kota Bandung. Data yang diperlukan berupa data atribut restoran, POI fungsional, kawasan CBD, jaringan jalan, penggunaan lahan dan kepadatan penduduk. Metode analisis yang digunakan berupa Nearest Neighbor Analysis (NNA), Kernel Density, Near Analysis, uji ANOVA/Kruskal Wallis, dan uji Pearson Product Moment. Hasil yang didapatkan berupa restoran terbanyak berada pada Kecamatan Bandung Wetan, Kecamatan Coblong, dan Kecamatan Sumur Bandung. Restoran dengan popularitas tinggi, sedang, dan rendah memiliki karakteristik distribusi spasial yang mengelompok dan kepadatan yang besar di lokasi yang memiliki kemudahan aksesibilitas, terdapat POI fungsional yang mendukung, dekat dengan pusat kegiatan, dan berada di permukiman. Rata-rata jarak restoran ke jaringan jalan, POI Fungsional, dan penggunaan lahan dimana restoran tersebut berada menjadi faktor yang berpengaruh terhadap indeks popularitas restoran. Hasil korelasi antara kepadatan penduduk dan indeks popularitas restoran menunjukkan tidak ada korelasi diantara keduanya.

---

One form of digital review today is the consumer review website (CRW). The Zomato website is one of the most widely used CRWs and the restaurant popularity index in it makes it easy for users to choose the best restaurant, especially in the city of Bandung which is famous for its culinary. Given the importance of the popularity index here, it is necessary to know the spatial distribution of the popularity indexed restaurant, its characteristics, and the factors that affect the spatial distribution of the restaurant popularity index in Bandung. The data needed are restaurant attribute data, functional POI, CBD area, road network, land use and population density. The analytical methods used are Nearest Neighbor Analysis (NNA), Kernel Density, Near Analysis, ANOVA/Kruskal Wallis test, and Pearson Product Moment test. The results obtained in the form of the most restaurants are in Bandung Wetan District, Coblong District, and Sumur Bandung District. Restaurants with high, medium, and low popularity have the characteristics of clustered spatial distribution and large density in locations that have easy accessibility, have functional POIs that support, are close to the center of activity, and are located in residential areas. The average distance of the restaurant to the road network, functional POI, and land use where the restaurant is located are factors that affect the restaurant popularity index. The correlation between population density and restaurant popularity index shows no correlation between the two. "

"Internet menjadi sarana komunikasi yang paling penting dalam kehidupan sehari-hari. Dengan perkembangan internet yang cukup pesat membuat sektor perhotelan mencari cara untuk memberikan informasi mengenai hotelnya dengan media situs internet. TripAdvisor merupakan salah satu situs yang berisi ulasan mengenai pariwisata di Indonesia maupun di dunia, salah satunya adalah mengulas sebuah hotel. Situs yang dimiliki TripAdvisor ini biasa disebut dengan Consumer Review Website (CRW) yang berartikan informasi elektronik yang menggunakan kata-kata orang lain sebagai informasi untuk rekomendasi hotel. TripAdvisor memiliki basis data 1001 hotel di Kota Bandung yang termasuk didalamnya terdapat indeks popularitas, alamat hotel, dan kelas hotel. Data ini didapatkan dari Application Program Interface (API) di situs TripAdvisor. Indeks popularitas diklasifikasikan menjadi tiga, yaitu klasifikasi rendah, klasifikasi sedang dan klasifikasi tinggi. Pengklasifikasian juga dilakukan pada kelas hotel yang dibagi menjadi 3 kelas yaitu hotel bintang 4-5, hotel bintang 1-3, dan hotel non bintang. Analisis yang digunakan adalah Nearest Neighbor Analysis (NNA) dan Kernel Density (KD). Dengan hasil tersebut didapatkan bahwa hotel di Kota Bandung memiliki pola yang mengelompok. Pengelompokan ini dikarenakan adanya pola yang mengikuti jaringan jalan dan faktor lain seperti kebijakan Pemerintah Kota Bandung. Selain itu, hotel berbintang dan non bintang berdasarkan indeks popularitas akan dipengaruhi oleh objek disekelilingnya dan aksesibilitasnya. Semakin rendah bintang dan popularitasnya maka semakin jauh dari titik fungsional serta akses yang rendah, dan sebaliknya. Selain itu, faktor pemasaran dan kebijakan pemerintah menjadi salah satu yang mempengaruhi indeks popularitas

---

The internet is the most important of communication in everyday life. With the growing development of the internet, the hotel sector is looking for ways to provide information about their hotels using the internet as media. TripAdvisor is one site that contains reviews of tourism in Indonesia and in the world, one of which is reviewing a hotel. This site owned by TripAdvisor is commonly called the Consumer Review Website (CRW) which means electronic information that uses other people's words as information for hotel recommendations. TripAdvisor has a database of 1001 hotels in Bandung which includes a popularity index, hotel address, and hotel class. This data is obtained from the Application Program Interface (API) on the TripAdvisor website. The popularity index is classified into three categories, namely low classification, medium classification, and high classification. Classification is also carried out on hotel classes which are divided into 3 classes, namely 4 - 5 star hotels, 1-3 star hotels, and non-star hotels. The analysis used is Nearest Neighbor Analysis (NNA) and Kernel Density (KD). With these results, it is found that hotels in the city of Bandung have a clustered pattern. This grouping is due to a pattern that follows the road network and other factors such as Bandung City Government policies. In addition, star and non-star hotels based on the popularity index will be influenced by the surrounding objects and their accessibility. The lower the star and the popularity, the further away from the low functional and access point, and vice versa. In addition, marketing factors and government policies are among the factors affecting the popularity index"

"Kota Malang memiliki potensi wisata yang cukup tinggi dan menjadi kota pusat pelayanan di Jawa Timur. Peningkatan jumlah akomodasi berupa hotel diperlukan untuk menampung wisatawan di Kota Malang. Berdasarkan data BPS 2021 Kota Malang menjadi kota terbanyak dalam jumlah hotel di Jawa Timur. Dari jumlah hotel di Kota Malang, konsumen ditawarkan beragam pilihan hotel dan memerlukan suatu platform yang dapat membantu mereka untuk menyediakan pilihan hotel dan menentukan hotel yang tepat sesuai dengan kebutuhan konsumen. CRW atau consumer review website hadir untuk membantu menyediakan pilihan hotel dan dapat membantu dalam pemilihan hotel yang tepat. CRW yang digunakan dalam penelitian ini yaitu Agoda. Agoda memiliki basis data 342 hotel di Kota Malang yang didalamnya termasuk indeks popularitas, bintang hotel, dan tarif hotel. Tujuan dalam penelitian yaitu menganalisis karakteristik spasial hotel berdasarkan indeks popularitas hotel  dan menganalisis faktor yang mempengaruhi indeks popularitas hotel yang ada di Kota Malang. Analisis yang digunakan adalah Nearest Neighbor Analysis (NNA), Kernel Density (KD), dan ANOVA/Kruskal Wallis. Dengan hasil tersebut didapatkan bahwa hotel di Kota Malang memiliki pola yang mengelompok. Terbentuknya pola sebaran ini karena terdapat pola yang mengikuti POI fungsional. Selain itu, diketahui bahwa semakin tinggi nilai popularitas suatu hotel maka semakin dekat jaraknya dengan jalan di sekitarnya. Diketahui juga bahwa semakin tinggi bintang suatu hotel maka tarifnya pun akan semakin mahal, begitupun sebaliknya semakin rendah bintang suatu hotel maka tarifnya pun akan semakin murah.

---

Malang City has a high tourism potential and is a service centre city in East Java. An increase in the number of accommodation in the form of hotels is needed to accommodate tourists in Malang City. Based on BPS 2021 data, Malang City is the largest city in the number of hotels in East Java. From the number of hotels in Malang City, consumers are offered a variety of hotel choices and need a platform that can help them to provide hotel choices and determine the right hotel according to consumer needs. CRW or consumer review website is present to help provide hotel choices and can help in choosing the right hotel. The CRW used in this study is Agoda. Agoda has a database of 342 hotels in Malang City which includes popularity index, hotel stars, and hotel rates. The objectives in the research are to analyse the spatial characteristics of hotels based on the hotel popularity index and to analyse the factors that influence the popularity index of hotels in Malang City. The analyses used are Nearest Neighbor Analysis (NNA), Kernel Density (KD), and ANOVA/Kruskal Wallis. With these results, it is found that hotels in Malang City have a clustering pattern. The formation of this distribution pattern is because there is a pattern that follows the functional POI. In addition, it is known that the higher the popularity value of a hotel, the closer it is to the surrounding roads. It is also known that the higher the star of a hotel, the more expensive the rate will be, and conversely, the lower the star of a hotel, the cheaper the rate will be."

"ABSTRAKJakarta Selatan sebagai bagian dari ibukota negara menjadi pusat bisnis dan investasi termasuk bagi kaum ekspatriat Korea dalam mengembangkan bisnis kuliner Korea. Pada umumnya, terdapat 2 jenis restoran Korea khususnya yang berada di Indonesia, yaitu restoran Korea tradisional dan modern. Tren budaya K-Pop disinyalir dapat memengaruhi peningkatan konsumen di restoran Korea. Sebagai konsumen restoran Korea, penggemar budaya K-Pop memiliki faktor yang berpengaruh dalam memilih restoran Korea yang dapat dikaji dari aspek spasial. Penelitian ini bertujuan untuk menganalisis perbedaan makna tempat restoran Korea tradisional dengan restoran Korea modern dan menganalisis perilaku spasial penggemar budaya K-Pop dalam memilih restoran Korea di Jakarta Selatan dengan mengetahui aspek kognitif, afektif serta konatif. Penelitian ini bersifat kualitatif dengan menggunakan metode purposive sampling untuk menentukan informan penelitian yang selanjutnya akan ditemui untuk wawancara mendalam. Analisis spasial dengan metode deskriptif digunakan untuk menganalisis pola spasial dari perilaku penggemar budaya K-pop sebagai konsumen restoran Korea. Penelitian ini menghasikan 10 informan utama yang dibedakan berdasarkan tipologi penggemar budaya K-Pop. Hasil penelitian menunjukkan bahwa restoran Korea tradisional dimaknai sebagai restoran dengan suasana formal yang tidak memutarkan lagu K-Pop serta memiliki harga menu makanan relatif mahal dengan rasa autentik. Sementara restoran Korea modern K-Pop dimaknai sebagai restoran dengan suasana casual yang memutarkan lagu K-Pop serta memiliki harga menu makanan relatif murah dengan rasa yang telah dimodifikasi. Dalam memilih restoran Korea, pola spasial perilaku penggemar budaya K-Pop yang terbentuk yaitu perilaku mengunjungi restoran Korea modern yang dekat dari titik asal keberangkatan dengan mengendarai alat transportasi dan menempuh waktu yang relatif singkat. Penggemar budaya K-Pop dari ketiga tipologi umumnya memiliki preferensi terhadap restoran Korea modern K-Pop yang memiliki site yaitu memutarkan lagu dan musik K-Pop, dengan motivasi mengunjungi yaitu motivasi sosial sehingga memunculkan makna tempat restoran Korea sebagai fungsi sosial.

---

ABSTRACTSouth Jakarta as part of the capital city became a center of business and investment for Korean expatriates in developing Korean culinary business. In general, there are two types of Korean restaurants, particularly those in Indonesia, which are traditional and modern Korean restaurants. K Pop trends are alleged to affect the increase of consumer in Korean restaurants. As a Korean restaurant consumer, K Pop fans have influential factors in choosing a Korean restaurant that can be studied from spatial aspects. This study aims to analyze the difference of sense of place, of a traditional Korean restaurant with a modern Korean restaurant and to analyze the spatial behavior of K Pop fans in choosing Korean restaurant in South Jakarta by knowing cognitive, affective and conative aspects. This study uses qualitative approach by using purposive sampling method to determine informant of research which can be encountered for in depth interviews. Spatial analysis by using the descriptive method is used to analyze the spatial patterns of K Pop fans behavior as a Korean restaurant consumer. This study produces 10 main informants that are distinguished by the typology of K Pop fans. The results show that traditional Korean restaurant is interpreted as a restaurant with a formal atmosphere that does not play K Pop songs and has a relatively expensive food menu prices with an authentic taste. While a modern Korean restaurant K Pop is interpreted as a casual atmosphere restaurant that plays K Pop songs and has a relatively cheap food menu prices with modified taste. In choosing a Korean restaurant, the spatial pattern of K Pop fan behavior is the act of visiting modern Korean restaurants that are close to the point of departure by driving and taking relatively short periods of time. K Pop fans by the three typologies generally have a preference for a modern Korean restaurant K Pop that has a site that plays K Pop songs and music, with a visiting motivation social motivation that raises the sense of place of Korean restaurant as a social function."

"Transportasi kendaraan pribadi lebih minati masyarakat Jakarta dalam mobilitas dan beraktivitas. Setiap kendaraan menghasilkan emisi. Salah satu emisi yang dihasilkan dan menjadi kontribusi terbesar pencemar adalah karbon monoksida. Jakarta Selatan menjadi bagian Jakarta yang mobilitas tidak hanya berasal dari dalam Jakarta tetapi dari daerah sekitar Jakarta Selatan. Tujuan penelitian adalah menganalisis volume kendaraan dan distribusi spasial dari polutan karbon monoksida di Jakarta Selatan. Penelitian menggunakan data jumlah kendaraan dan kolom kepadatan karbon monoksida untuk membuat pola distribusi spasial karbon monoksida.  Analisis data dengan uji rank-spearman dan uji regresi sederhana untuk memvalidasi data kolom kepadatan karbon monoksida dan emisi karbon monoksida dengan data dari stasiun pemantau kualitas udara. Berdasarkan uji analisis statitistik rank-spearman nilai emisi karbon monoksida menunjukan hubungan yang signifikant dengan nilai stasiun pemantau kualitas udara dibandingkan data dari sentinel-5p dan volume kendaraan mobil berkontribusi sebesar 1-3% terhadap karbon monoksida di udara. Lalu lintas yang ramai kendaraan dan mengalami perlambatan menghasilkan karbon monoksida yang tinggi.

---

Private vehicle transportation is more interested in the people of Jakarta in mobility and activities. Every vehicle produces emissions. One of the emissions produced and the most significant contributor to pollutants is carbon monoxide. South Jakarta is a part of Jakarta whose mobility comes from within Jakarta and the area around. The purpose of the study was to analyze the volume of vehicles and the spatial distribution of the carbon monoxide pollutant in South Jakarta. This study uses data on the number of vehicles and columns of carbon monoxide density to create a spatial distribution pattern of carbon monoxide. The analysis used rank-spearman and simple regression tests to validate the column data of carbon monoxide density and carbon monoxide emissions with data from air quality monitoring stations. Based on the rank-spearman statistical analysis test, the value of carbon monoxide emissions shows a significant relationship with the value of air quality monitoring stations compared to data from sentinel-5p, and the volume of automobiles contributes 1-3% to carbon monoxide in the air. Heavy traffic and slowing vehicles produce high levels of carbon monoxide. "

"Polusi udara merupakan ancaman serius di daerah perkotaan. Pesatnya pertumbuhan kota tentunya juga akan menambah permasalahan baru yang muncul di perkotaan, salah satunya kemacetan lalu lintas yang juga dapat meningkatkan emisi di udara. Tujuan dari penelitian ini adalah untuk menganalisis pola kemacetan lalu lintas dan pola sebaran CO di Jakarta Timur, serta melihat hubungan antara keduanya. Untuk mencari pola kemacetan lalu lintas yang terekam berdasarkan aplikasi Google Maps terlihat pada hari kerja pada pagi dan sore hari. Metode analisis spasial yang digunakan untuk mencari pola sebaran CO adalah analisis spasial interpolasi IDW dan model matematis perhitungan emisi bergerak berdasarkan jarak tempuh (VKT). Hasil penelitian menunjukkan bahwa pola kemacetan yang terbentuk pada tahun 2019 dan 2020 memiliki perbedaan yang cukup signifikan, dari yang dulunya banyak tingkat lalu lintas menjadi macet dari lancar menjadi padat. Pola spasial sebaran CO pada tahun 2019 dan 2020 yang terbentuk dari interpolasi stasiun udara IDW juga menunjukkan perubahan yang cukup signifikan. Distribusi CO pada tahun 2019 merata dengan tingkatannya sedangkan distribusi CO pada tahun 2020 terkonsentrasi dari selatan hingga pusat Jakarta Timur. Pola spasial sebaran CO dari model perhitungan emisi bergerak memiliki pola yang sangat terpusat di wilayah Jakarta Timur bagian tengah. Uji korelasi kemacetan lalu lintas terhadap distribusi CO dari interpolasi IDW stasiun udara tidak menunjukkan hubungan yang signifikan, namun menunjukkan hubungan yang signifikan antara kemacetan lalu lintas dengan distribusi CO dari model emisi mobile dengan nilai korelasi sebesar 0,993.

---

Air pollution is a severe threat in urban areas. The rapid growth of cities will certainly also increase new problems that arise in cities, one of which is traffic jams which can also increase emissions in the air. This study aims to analyze the traffic jam pattern and the CO distribution pattern in East Jakarta and to see the relationship between the two. Traffic jam patterns were recorded based on the Google Maps application seen on weekdays in the morning and evening. The spatial analysis used to find the CO distribution pattern is the IDW interpolation spatial analysis, and the mathematical model calculates the moving emission based on the distance travelled. The results found the traffic jam pattern formed in 2019 and 2020 had a significant difference, from what used to be many traffic levels to be blocked from smooth to congested. The spatial pattern of CO distribution in 2019 and 2020 formed from the interpolation of air stations showed quite significant changes. The distribution of CO in 2019 is evenly distributed with levels, while the distribution of CO in 2020 is concentrated from south to central East Jakarta. The spatial pattern of CO distribution from the mobile emission calculation model has centers pattern in the central part of East Jakarta. Correlation test of traffic jam to CO distribution from air station interpolation shows no significant relationship but shows a significant relationship of traffic jam to CO distribution from mobile emission models with a correlation value of 0.993."

"Polusi udara merupakan ancaman serius di daerah perkotaan. Pesatnya pertumbuhan kota tentunya juga akan menambah permasalahan baru yang muncul di perkotaan, salah satunya kemacetan lalu lintas yang juga dapat meningkatkan emisi di udara. Tujuan dari penelitian ini adalah untuk menganalisis pola kemacetan lalu lintas dan pola sebaran CO di Jakarta Timur, serta melihat hubungan antara keduanya. Untuk mencari pola kemacetan lalu lintas yang terekam berdasarkan aplikasi Google Maps terlihat pada hari kerja pada pagi dan sore hari. Metode analisis spasial yang digunakan untuk mencari pola sebaran CO adalah analisis spasial interpolasi IDW dan model matematis perhitungan emisi bergerak berdasarkan jarak tempuh (VKT). Hasil penelitian menunjukkan bahwa pola kemacetan yang terbentuk pada tahun 2019 dan 2020 memiliki perbedaan yang cukup signifikan, dari yang dulunya banyak tingkat lalu lintas menjadi macet dari lancar menjadi padat. Pola spasial sebaran CO pada tahun 2019 dan 2020 yang terbentuk dari interpolasi stasiun udara IDW juga menunjukkan perubahan yang cukup signifikan. Distribusi CO pada tahun 2019 merata dengan tingkatannya sedangkan distribusi CO pada tahun 2020 terkonsentrasi dari selatan hingga pusat Jakarta Timur. Pola spasial sebaran CO dari model perhitungan emisi bergerak memiliki pola yang sangat terpusat di wilayah Jakarta Timur bagian tengah. Uji korelasi kemacetan lalu lintas terhadap distribusi CO dari interpolasi IDW stasiun udara tidak menunjukkan hubungan yang signifikan, namun menunjukkan hubungan yang signifikan antara kemacetan lalu lintas dengan distribusi CO dari model emisi mobile dengan nilai korelasi sebesar 0,993.

---

Air pollution is a severe threat in urban areas. The rapid growth of cities will certainly also increase new problems that arise in cities, one of which is traffic jams which can also increase emissions in the air. This study aims to analyze the traffic jam pattern and the CO distribution pattern in East Jakarta and to see the relationship between the two. Traffic jam patterns were recorded based on the Google Maps application seen on weekdays in the morning and evening. The spatial analysis used to find the CO distribution pattern is the IDW interpolation spatial analysis, and the mathematical model calculates the moving emission based on the distance travelled. The results found the traffic jam pattern formed in 2019 and 2020 had a significant difference, from what used to be many traffic levels to be blocked from smooth to congested. The spatial pattern of CO distribution in 2019 and 2020 formed from the interpolation of air stations showed quite significant changes. The distribution of CO in 2019 is evenly distributed with levels, while the distribution of CO in 2020 is concentrated from south to central East Jakarta. The spatial pattern of CO distribution from the mobile emission calculation model has centers pattern in the central part of East Jakarta. Correlation test of traffic jam to CO distribution from air station interpolation shows no significant relationship but shows a significant relationship of traffic jam to CO distribution from mobile emission models with a correlation value of 0.993."

"Tujuan dari penelitian ini adalah untuk menganalisis pengaruh online review dalam platform Zomato terhadap niat membeli konsumen (Studi pada Restoran di DKI Jakarta). Penelitian ini menggunakan pendekatan kuantitatif melalui survei yang didasari dengan metode non-probability sampling jenis judgemental sampling. Jumlah responden dalam penelitian ini berjumlah 146 responden dengan melakukan penyebaran kuesioner secara daring. Data yang diperoleh selanjutnya diolah menggunakan IBM SPSS 26 melalui analisis statistik deskriptif dan analisis statistik inferensial. Hasil dari penelitian ini menunjukkan bahwa terdapat pengaruh hubungan yang positif antara variabel online review dengan variabel niat membeli.

---

The purpose of this study was to analyze the effect of online review on the Zomato platform on consumer purchase intention (Study on Restaurants in DKI Jakarta). This study uses a quantitative approach through a survey based on the non-probability sampling method, the type of judgmental sampling. The number of respondents in this study amounted to 146 respondents by distributing online questionnaires. The data obtained were then processed using IBM SPSS 26 through descriptive statistical analysis and inferential statistical analysis. The results of this study indicate that there is a positive relationship between the online review and purchase intention."

"Tujuan dari penelitian ini adalah untuk mengetahui apakah distribusi fasilitas layanan publik di DKI Jakarta lebih menguntungkan bagi daerah tertentu dan untuk mengetahui fasilitas apa saja yang tidak terdistribusi secara adil. Fasilitas layanan publik memiliki peran penting untuk meningkatkan kualitas kehidupan manusia, distribusi fasilitas layanan publik harus didistribusikan secara adil sehingga setiap orang dapat menikmati akses yang sama. Penelitian ini menggunakan dua langkah aksesibilitas berbasis ArcGIS dan menerapkan metode untuk memeriksa aksesibilitas spasial dan non-spasial ke 2 layanan publik utama di Jakarta; kesehatan dan pendidikan. Studi ini juga menunjukkan pentingnya mengukur jarak dan akses seakurat mungkin, menggunakan metode analis jaringan, sehingga dapat memberikan representasi yang lebih realistis dari cakupan area layanan masing-masing fasilitas. Hasil penelitian menunjukkan bahwa masih ada kekurangan distribusi fasilitas pelayanan publik, terutama fasilitas Puskesmas. Di mana secara keseluruhan fasilitas Puskesmas hanya memfasilitasi sebanyak 156,941km2 atau 24% dari keseluruhan area Jakarta menggunakan metode jaringan jalan. Temuan juga menunjukkan bahwa distribusi lokasi fasilitas masih terkonsentrasi di pusat kota Jakarta, sehingga orang-orang yang tinggal di pinggir kota tidak memiliki kesempatan yang sama untuk menggunakan fasilitas layanan publik yang tersedia.

---

The purpose of this study is to determine whether the distribution of public service facilities in DKI Jakarta is more profitable for certain regions and to find out what facilities are not distributed fairly. Public service facilities have an important role to improve the quality of human life, the distribution of public service facilities must be distributed fairly so that everyone can enjoy the same access. This study uses two steps of accessibility based on ArcGIS and applies a method to check spatial and non-spatial accessibility to 2 main public services in Jakarta; health and education. The study also shows the importance of measuring distances and access as accurately as possible, using the network analyst method, so as to provide a more realistic representation of the service area coverage of each facility. The results showed that there was still a lack of distribution of public service facilities, especially public health centers. Where as a whole public health centers only facilitate as much as 156,941km2 or 24% of the entire Jakarta area using the road network method. The findings also show that the distribution of facility locations is still concentrated in the center of Jakarta, so people who live on the edge of the city do not have the same opportunity to use the available public service facilities."