Walkability Score: Cara Menghitung dan Menggunakannya

Walkability score menjawab satu pertanyaan: seberapa banyak kebutuhan hidup sehari-hari berada dalam jarak jalan kaki dari pintu depan ini? Toko bahan makanan, apotek, sekolah, taman, dan tempat makan. Semuanya dipadatkan menjadi satu angka pada skala 0 sampai 100, dan itulah alasan portal properti, situs relokasi, serta asisten AI sama-sama mengadopsinya.

Angka ini mudah ditampilkan dan layak dihitung dengan benar, karena dua alamat di kota yang sama bisa berada di lingkungan yang sepenuhnya berbeda. Panduan ini menjelaskan metodenya, lalu menerapkannya pada data nyata. Kami menghitung indeks walkability untuk 40 alamat di 20 kota Eropa memakai MapAtlas POI API, dan hasilnya menunjukkan mengapa skor ini milik sebuah alamat, bukan milik sebuah kota.

Apa yang diukur walkability score

Walkability score adalah ukuran kedekatan. Skor ini menghitung tujuan harian yang bisa dicapai dengan berjalan kaki dari satu koordinat, lalu memberi bobot berdasarkan seberapa penting dan seberapa jauh masing-masing.

Ada tiga konsekuensi dari definisi tersebut, dan ketiganya layak dinyatakan di mana pun Anda menerbitkan angkanya.

Skor ini properti sebuah alamat, bukan sebuah kota. Dua apartemen yang berjarak tiga kilometer lazim berbeda 30 poin atau lebih, dan kini kami bisa menunjukkannya dengan data, bukan sekadar mengklaimnya.

Skor ini mengukur keberadaan, bukan kualitas. Skor tahu ada supermarket berjarak 300 meter. Skor tidak tahu apakah supermarket itu lengkap, mahal, atau tutup pada hari Minggu.

Skor ini mengukur jarak, bukan usaha. Satu kilometer datar dan satu kilometer menanjak sama-sama dihitung satu kilometer. Kontur medan, penyeberangan, dan kualitas trotoar sepenuhnya berada di luar perhitungan.

Ini adalah batas dari apa yang bisa dibawa satu angka, bukan kelemahan metodenya.

Cara menghitung walkability score

Implementasi apa pun pada akhirnya mengerucut pada tiga langkah yang sama.

Langkah 1: Ubah alamat menjadi koordinat

Mulailah dengan melakukan geocode pada alamat menjadi latitude dan longitude. Presisi pencocokan itu menentukan batas atas semua proses berikutnya. Pencocokan tingkat rooftop menempatkan titik asal tepat di bangunannya, sedangkan pencocokan tingkat kode pos bisa jatuh beberapa ratus meter jauhnya, dan pada skala pejalan kaki hal itu mengubah jawabannya.

Gunakan field presisi pencocokan jika geocoder Anda mengembalikannya, dan tandai setiap skor yang dihitung dari sesuatu yang lebih kasar dari level jalan sebagai perkiraan.

Langkah 2: Kumpulkan apa saja yang ada di dalam catchment pejalan kaki

Berikutnya, tentukan apa yang dihitung sebagai jarak jalan kaki. Ada dua pilihan, dan pilihan ini lebih menentukan daripada yang terlihat.

Radius mengambil semua yang berada dalam 1 km dari koordinat. Cara ini cepat, murah, dan bisa direproduksi, tetapi sepenuhnya mengabaikan jaringan jalan. Toko yang berjarak 400 meter di seberang sungai tanpa jembatan tetap dihitung seolah-olah berada di sebelah.

Isochrone mengambil semua yang ada di dalam polygon yang benar-benar bisa dicapai dengan jalan kaki 15 menit melalui jalur nyata. Biayanya lebih tinggi per request, dan sebagai gantinya cara ini menangani sungai, rel kereta, jalan tol, serta jalan buntu dengan benar.

Indeks di bawah memakai radius 1 km, karena benchmark yang diterbitkan harus bisa direproduksi oleh siapa pun yang ingin memeriksanya. Untuk fitur listing yang berjalan langsung, gunakan isochrone.

Langkah 3: Nilai setiap kategori pada kurva, lalu beri bobot

Terakhir, ubah hasil hitungan menjadi skor. Jumlah mentah tidak bekerja di sini: lingkungan dengan 40 restoran tidak empat kali lebih walkable dibanding yang punya 10, dan supermarket pertama jauh lebih berarti daripada yang kedua puluh. Karena itu setiap kategori dinilai pada kurva dengan diminishing returns.

// One category, scored 0..1. `target` is the count that earns full marks.
const componentScore = (count, target) =>
  Math.min(1, Math.log(1 + count) / Math.log(1 + target));

// Weighted sum across categories gives the headline 0..100 number.
const score = components.reduce(
  (total, c) => total + componentScore(counts[c.key], c.target) * c.weight,
  0,
);

Logaritma yang mengerjakan bagian beratnya. Beranjak dari nol ke satu supermarket menggerakkan skor komponen cukup jauh, sedangkan beranjak dari 30 ke 31 nyaris tidak terasa, dan kira-kira begitulah orang merasakan sebuah lingkungan.

Setelah itu bobot diterapkan. Berikut bobot kami, beserta alasan di balik masing-masing:

Bobot adalah keputusan penilaian, bukan fakta, jadi kami menerbitkan bobot kami agar Anda bisa memeriksa dan menyesuaikannya. Portal untuk keluarga mungkin menaikkan bobot sekolah, dan situs sewa untuk mahasiswa mungkin menaikkan bobot transportasi dan makanan. Bobot yang diterbitkan itulah yang membuat angka ini bisa direproduksi di dalam produk orang lain.

Skor seperti apa yang tergolong baik

Skor lebih mudah ditindaklanjuti bila Anda membacanya dalam rentang. Rentang berikut dikalibrasi pada sampel Eropa di bawah, jadi angka di tengah rentang menggambarkan lingkungan Eropa yang nyata.

Ingat bahwa rentang ini menggambarkan ketersediaan fasilitas di sekitar sebuah alamat, bukan pengalaman berjalan kaki menuju ke sana.

MapAtlas Walk Index: 20 kota Eropa

Kami menjalankan metode ini pada dua alamat di masing-masing 20 kota Eropa: alun-alun pusat, dan sebuah distrik permukiman pinggiran sekitar 5 sampai 8 km di luar. Semua hitungan berasal dari MapAtlas POI API di dalam radius 1 km, diambil pada 28 Juli 2026.

Jarak antara kedua titik jauh lebih penting daripada peringkatnya. Alamat di pusat kota rata-rata 94, sedangkan alamat permukiman pinggiran di kota yang sama rata-rata 73. Titik biru menumpuk di batas atas karena pusat kota Eropa memang padat nyaris secara struktural, jadi titik hijaulah yang membawa variasi sebenarnya.

Ada tiga temuan yang menonjol dari tabel tersebut.

Rome punya sebaran internal terlebar dalam sampel, yaitu 53 poin. Piazza Venezia memperoleh 93, sedangkan Ponte Mammolo, yang masih berada di dalam kota, memperoleh 40. Dalam radius 1 km dari koordinat pinggiran itu, API menemukan 4 supermarket, 19 tempat makan, dan 6 ruang hijau, berbanding 85, 1129, dan 149 di pusat kota.

Warsaw adalah satu-satunya kota tempat alamat pinggiran unggul. Ursynów memperoleh 84 melawan 82 milik Old Town, karena Ursynów adalah distrik permukiman terencana yang sejak awal dirancang dengan toko bahan makanan, sekolah, klinik, dan taman. Pusat kota bersejarah dan tempat yang enak untuk menjalani satu minggu bukanlah hal yang sama.

Barcelona dan Athens nyaris tidak turun sama sekali, hanya 2 dan 7 poin. Kepadatan bangunan menengah yang berkelanjutan membawa ketersediaan fasilitas jauh melampaui inti wisata di kedua kota tersebut.

Mengapa rata-rata kota adalah angka yang keliru

Membedah satu kota memperlihatkan mekanismenya dengan jelas.

Semua komponen turun sekaligus. Bahan makanan jatuh dari 93 ke 34, makanan dari 96 ke 41, dan sekolah dari 93 ke 39. Ini bukan satu kategori yang hilang lalu menyeret turun lingkungan yang sebenarnya sebanding, melainkan jenis tempat yang berbeda.

Bayangkan apa yang terjadi ketika sebuah portal melabeli kedua alamat itu dengan "Rome, walkability 93". Pembeli yang melihat apartemen pinggiran datang dengan ekspektasi pusat kota, dan kunjungan langsung itulah yang mengoreksi listing-nya. Menghitung skor dari koordinat setiap properti sendiri menghindari kesenjangan tersebut, dan memberi pembeli alasan untuk memercayai bagian halaman lainnya.

Apa yang tidak diberitahukan skor ini

Ada empat batasan yang layak diterbitkan bersama angkanya.

Keberadaan bukan kualitas. Enam restoran dalam radius 1 km mendapat skor sama, entah restorannya luar biasa atau payah, karena skor hanya mengukur ketersediaan.

Datar dan curam mendapat skor identik. Kontur medan tidak terlihat oleh perhitungan kedekatan, jadi di kota seperti Lisbon atau Zurich skornya terbaca terlalu optimistis.

Cakupan data berbeda antar negara. Dataset kami melaporkan simpul transportasi umum tetapi tidak menilainya, karena kepadatan tagging di level halte terlalu berbeda antar negara untuk dibandingkan secara adil. Zurich menunjukkan alasannya: query mengembalikan hanya satu simpul transportasi umum dalam radius 1 km dari Paradeplatz, dan itu artefak tagging, bukan fakta tentang trem Swiss. Menilainya akan menghasilkan angka yang salah tetapi terdengar meyakinkan, jadi kami mengeluarkannya dan menjelaskan alasannya.

Snapshot bukan tren. Angka-angka ini berasal dari 28 Juli 2026, dan fasilitas bisa buka maupun tutup, jadi terbitkan tanggalnya bersama skor apa pun yang Anda hitung.

Cara menambahkan walkability score ke listing properti

Pembeli menanyakan soal lingkungan sekitar sebelum menanyakan soal propertinya. Listing yang menjawab pertanyaan itu langsung di halaman akan menahan pengunjung, alih-alih mengirim mereka ke mesin pencari untuk mencari jawabannya di tempat lain.

Implementasinya mengerucut pada empat langkah.

1. Lakukan geocode pada alamat listing satu kali saat ingest, dan simpan koordinatnya beserta presisi pencocokannya. Jangan melakukan geocode pada setiap kali halaman dibuka.
2. Minta catchment pejalan kaki untuk koordinat tersebut: isochrone pedestrian 15 menit, lalu jumlah amenity di dalamnya.
3. Terapkan bobot Anda dan cache hasilnya. Lingkungan berubah dalam hitungan bulan, bukan hari, jadi refresh bulanan atau triwulanan sudah cukup.
4. Tampilkan angka beserta buktinya. Tunjukkan skornya, rincian per komponen, dan nama tempat-tempat yang mendasarinya.

Langkah terakhir itu punya manfaat tambahan. Mesin pencari AI bisa mengutip blok yang memuat nama tempat nyata ketika seseorang bertanya apa saja yang ada di sekitar sebuah alamat, sedangkan angka telanjang tidak memberi mereka apa pun untuk dikutip. Menandai blok tersebut dengan structured data juga membuatnya bisa dibaca mesin:

{
  "@context": "https://schema.org",
  "@type": "Residence",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Via dei Fori Imperiali 1",
    "addressLocality": "Rome",
    "addressCountry": "IT"
  },
  "additionalProperty": {
    "@type": "PropertyValue",
    "name": "Walkability score",
    "value": 93,
    "maxValue": 100,
    "measurementTechnique": "Weighted amenity density within a 15 minute walking isochrone",
    "valueReference": "Computed 2026-07-28"
  },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "Supermarkets within a 15 minute walk", "value": 12 },
    { "@type": "LocationFeatureSpecification", "name": "Primary schools within a 15 minute walk", "value": 4 }
  ]
}

Dua field membawa informasi asal-usulnya di situ. measurementTechnique menyatakan bagaimana angka itu dihasilkan, dan tanggal perhitungan ikut melekat pada nilainya, sehingga answer engine bisa mengulang keduanya tanpa perlu berhati-hati berlebihan.

Di mana skor ini dipakai

Ada tiga permukaan, kira-kira berurutan menurut nilai komersialnya. Listing properti, tempat skor menjawab pertanyaan soal lingkungan langsung di halaman. Pencarian relokasi dan sewa, tempat pengguna memfilter berdasarkan gaya hidup sebelum memfilter berdasarkan bangunan. Dan asisten AI, yang makin sering menjawab "apakah area ini nyaman untuk berjalan kaki?" tanpa mengirim siapa pun ke sebuah listing.

Permukaan ketiga berubah paling cepat. Skor bertanggal, yang diterbitkan bersama metodenya dan nama tempat di baliknya, memberi answer engine sesuatu yang konkret untuk dikutip.

Untuk data yang mendasarinya, GeoEnrich API mengembalikan jumlah amenity dan nama tempat di sekitar sebuah koordinat dalam satu panggilan, dan Isochrone API menghasilkan catchment pejalan kaki tempat jumlah itu diukur. Simpan bobot penilaian di dalam produk Anda sendiri, tempat bobot itu bisa mencerminkan apa yang dipedulikan audiens Anda.

Ringkasan

Walkability score adalah hitungan tujuan harian di sekitar satu koordinat, diberi bobot dan diredam sesuai jarak. Lakukan geocode pada alamatnya, kumpulkan apa saja yang ada di dalam catchment pejalan kakinya, lalu nilai setiap kategori pada kurva dan terapkan bobot Anda.

Hitung per alamat, bukan per kota. Sampel 20 kota kami rata-rata 94 di pusat berbanding 73 di pinggiran, dengan sebaran 53 poin di dalam Rome saja.

Kemudian terbitkan metodenya bersama angkanya: bobot, catchment, tanggal pengambilan data, dan hal-hal yang memang sengaja tidak diukur oleh skor ini.