Perpustakaan Digital ITB

Penilaian kondisi jalan di Indonesia sering menghadapi tantangan yang kompleks dan dinamis, terutama di jalan-jalan di daerah dengan akses terbatas. Batasan-batasan ini mengakibatkan peralatan yang tidak berfungsi secara optimal, serta biaya operasional yang tinggi yang tidak proporsional dengan anggaran lokal yang tersedia. Selain itu, ketidakmampuan untuk mengidentifikasi dan menilai kondisi permukaan jalan, terutama dalam hal petugas lapangan, juga mempengaruhi akurasi penilaian. Salah satu metode yang sering digunakan untuk mengevaluasi kondisi jalan adalah Surface Distress index (SDI). Meskipun SDI telah diterapkan dalam berbagai kondisi karena implementasinya, metode ini masih memiliki keterbatasan dalam hal akurasi dan konsistensi. Keterbatasan ini dapat menyebabkan ketidakakuratan dalam menggambarkan kondisi jalan, yang berdampak pada kualitas masukan perencanaan pemeliharaan. Oleh karena itu, diperlukan pengembangan metode penilaian yang akurat dan disesuaikan dengan kondisi lapangan dengan mempertimbangkan keterbatasan sumber daya yang tersedia. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model penilaian permukaan jalan dengan memodifikasi deduct value dan corrected deduct value yang disesuaikan menggunakan model Pavement Condition Index (PCI). Deduct value tersebut dimodelkan dengan mempertimbangkan kondisi permukaan jalan yang sebenarnya dan penilaian ahli yang telah diverifikasi, sebagaimana diterapkan di Indonesia. Deduct value dimodifikasi kemudian diintegrasikan ke dalam metode SDI untuk memberikan penilaian yang lebih baik terhadap kondisi jalan. Model SDI yang dimodifikasi ini juga dikembangkan berdasarkan jenis kerusakan individu serta kombinasi dari tiga jenis kerusakan. Model-model ini memberikan fleksibilitas yang lebih baik dalam penilaian kondisi permukaan jalan, memungkinkan analisis terpisah maupun gabungan dari jenis-jenis kerusakan. Selain itu, formulasi model yang diusulkan menyediakan beberapa indeks kriteria, termasuk kurva DV, CDV, skor kondisi, kategori kondisi, dan jenis penanganan yang direkomendasikan. Penggunaan metode jaringan saraf tiruan (JST) kemudian diusulkan untuk meningkatkan ketepatan estimasi, di mana model berbasis ANN memberikan hasil yang lebih baik dalam hal RMSE dan MAPE dibandingkan model konvensional.