---
title: GEXT dan Mansion Research Gunakan Analisis AI untuk Identifikasi Area Berdasarkan Kemiripan Struktur Kota
url: https://www.elseif.net/id/gext-dan-mansion-research-gunakan-analisis-ai-untuk-identifikasi-area-berdasarkan-kemiripan-struktur-kota
published: 2026-11-05T08:24:24+00:00
language: id
section: Model
source: https://ascii.jp/elem/000/004/447/4447927/?rss
organizations: GEXT, Mansion Research
publisher: elseif
---

# GEXT dan Mansion Research Gunakan Analisis AI untuk Identifikasi Area Berdasarkan Kemiripan Struktur Kota

GEXT bekerja sama dengan Mansion Research untuk melakukan penelitian analisis area yang berfokus pada kemiripan struktur kota, dengan hasil yang dipublikasikan pada 2 tanggal November 2026.

Penelitian ini menggunakan LocalGraph AI, sebuah layanan analisis area berbasis kecerdasan buatan yang dikembangkan oleh GEXT. Teknologi ini mengekstrak area di seluruh Jepang yang memiliki struktur kota serupa dengan wilayah sekitar Stasiun Oimachi, yang sebelumnya menarik perhatian karena kenaikan harga tanah akibat pembangunan kembali. Hasilnya menunjukkan bahwa area di sekitar Stasiun Kyobashi di Kota Osaka, Stasiun Noda Hanshin di Kota Osaka, dan Stasiun Kita Senju di 23 distrik Tokyo muncul sebagai kandidat area yang mirip dengan Oimachi.

LocalGraph AI dirancang untuk mengatasi keterbatasan data statistik umum dan tantangan informasi geospasial, seperti halusinasi kecerdasan buatan dan kesulitan penanganan data aliran manusia karena privasi. Layanan ini mengintegrasikan POI Bank, yang merupakan data informasi tempat lokal di seluruh Jepang, dengan informasi artikel yang ditulis dari perspektif penduduk setempat. Pendekatan ini menggabungkan angka statistik dengan nuansa lokal untuk memvisualisasikan realitas area yang tidak terlihat melalui metode konvensional.

Dalam kolaborasi ini, GEXT memberikan skor multidimensi pada fungsi kota dengan mengombinasikan informasi fasilitas, toko, dan tempat dari POI Bank beserta artikel terkait. Evaluasi kuantitatif dilakukan terhadap distribusi fasilitas dalam 288 kategori, termasuk konsumsi, pembelian, kehidupan, sarana transportasi, pariwisata, dan rekreasi, untuk menghitung skor kemiripan dengan area Stasiun Oimachi.

Mansion Research berkontribusi dengan menganalisis tren harga satuan tsubah transaksi dan tren inventaris menggunakan model statistik unik serta lebih dari 300 juta data contoh penjualan. Dengan menggabungkan evaluasi kemiripan struktur kota dari LocalGraph AI dan data pasar real estat, mereka memverifikasi struktur perbedaan harga dan jeda waktu dalam evaluasi pasar.

Hasil penelitian menunjukkan bahwa di sekitar Stasiun Oimachi, kenaikan harga yang didorong oleh ekspektasi pembangunan kembali mencapai puncaknya pada akhir 2025 dan beralih ke fase penyesuaian. Sebaliknya, di tiga area serupa yaitu Kyobashi, Noda Hanshin, dan Kita Senju, harga satuan tsubah transaksi cenderung meningkat atau tetap tinggi, yang mengindikasikan adanya jeda waktu antara kemampuan fungsi kota dan evaluasi pasar. Dari sisi inventaris, terjadi tren peningkatan di sekitar Oimachi, sementara area Kyobashi dan Kita Senju cenderung stabil.

Teknologi LocalGraph AI ini memiliki potensi penerapan luas di berbagai industri. Dalam perencanaan toko, skor kemiripan dapat digunakan untuk mempersempit kandidat lokasi berdasarkan area dengan kinerja baik. Untuk pengembangan kota dan perencanaan administrasi, perubahan kepadatan fasilitas dapat mengidentifikasi area pertumbuhan atau saturasi. Selain itu, dalam pengembangan konten wisata, data ini dapat digunakan untuk menemukan area wisata serupa dan merancang rencana perjalanan bagi wisatawan mancanegara.