Home Logo

ID EN

PEMANTAUAN KERUSAKAN JALAN CROWDSOURCING DAN KINERJA INFRASTRUKTUR JALAN: STUDI KASUS JALANKITA


 25 September 2019 |   Artikel/Artikel |   523

PEMANTAUAN KERUSAKAN JALAN CROWDSOURCING DAN KINERJA INFRASTRUKTUR JALAN: STUDI KASUS JALANKITA

 

Banyak  informasi mendalam dapat dikumpulkan oleh warga negara sendiri yang telah berkembang secara signifikan dalam beberapa dekade terakhir, terutama dengan munculnya Wikipedia. Bidang pembuatan kebijakan publik dan pengembangan, sumber data crowdsourcing telah diajukan oleh para peneliti sebagai cara inovatif untuk mendapatkan lebih banyak data secara detail atau bahkan informasi yang benar-benar baru tentang masalah tertentu (Estelles-Arolas et al., 2012; Noveck, 2009)  

Aplikasi bernama 'JalanKita', awalnya dikembangkan oleh Badan Penelitian Jalan dan Jembatan Indonesia pada tahun 2014 dan secara resmi terhubung ke database Direktorat Jenderal Bina Marga pada tahun 2017. Aplikasi ‘JalanKita’ Serupa dengan aplikasi pelaporan jalan lainnya, aplikasi ini bertujuan untuk mendorong masyarakat untuk melaporkan kerusakan  jalan sehingga memungkinkan otoritas jalan untuk mengidentifikasi dan memperbaiki kerusakan tepat waktu. 

Abstrak 
Penelitian ini bertujuan untuk menilai komparabilitas dan tingkat prioritas dari laporan kerusakan jalan crowdsourced di Indonesia dengan peningkatan kinerja jalan itu sendiri. Metode kuantifikasi visual yang disebut Pavement Condition Index akan diterapkan untuk menyelesaikan masalah komparabilitas laporan crowdsourced, diikuti oleh suatu analisis perbandingan dan analisis regresi multiples berganda untuk menganalisis yang bermanfaat dalam pengambilan keputusan pemeliharaan jalan. Penelitian ini mengungkapkan bahwa sebagian besar kerusakan jalan yang dilaporkan membutuhkan pemeliharaan yang lebih besar dan ketergantungan yang berlebihan terhadap survei kekasaran yang ada, dapat menghasilkan opsi perawatan jalan yang tidak tepat. Tetapi, koefisien standar yang dihasilkan oleh model regresi memunculkan fakta bahwa keputusan pemeliharaan pada bagian yang dilaporkan masih sangat didasarkan pada kondisi kekasaran (0,847) dan laporan crowdsourced (0,020) tidak diambil sebagai pertimbangan utama. 

Secara resmi, banyak otoritas jalan di dunia menggunakan kekasaran jalan atau Indeks Kekasaran Internasional (IRI) untuk mengukur ketidakrataan longitudinal atau kehalusan jalan (Bergal, 2018; Schmidthuber et al., 2017). Kekasaran dievaluasi dan digunakan untuk mengelola sistem jaringan jalan, sebagian besar karena sifat kuantitatifnya, yang didasarkan pada pengukuran profiler; dapat disurvei dengan cepat dan berbasis spasial, yang cocok untuk survei skala nasional; itu sangat dipengaruhi oleh parameter lain  seperti retak, rutting, dan cuaca (NCHRP, 2004); yang terakhir juga memiliki korelasi tinggi dengan biaya pengguna jalan, kecepatan, kenyamanan berkendara, dan keselamatan jalan (Huang, 2004; King, 2014). 

Namun, meskipun ada peningkatan baru dalam akuntabilitas dan transparansi kinerja layanan publik dalam crowdsourcing kerusakan jalan, masih ada banyak kasus pengelola jalan bahkan di negara-negara Barat dan juga di Indonesia, yang mengabaikan laporan selama berbulan-bulan dan bertahun-tahun, terlepas dari banyak publikasi dan laporan dari TV dan surat kabar (Guy, 2017; Kenney, 2017; Herliansyah, 2018; Shiddiq dan Eka, 2018). 

Jadi, bagaimana prioritas laporan crowdsourced? Sejak itu, otoritas jalan di Indonesia telah berorientasi pada kekasaran, beban / volume lalu lintas, dan intervensi politik untuk merumuskan rencana anggaran  dan pemeliharaan jalan (MPWH, 2018). Untuk menjawab pertanyaan ini, pertama penelitian ini akan mengklarifikasi perbandingan antara laporan kerusakan jalan crowdsourced dan data kekasaran jalan. Kemudian, cobalah untuk menerapkan metodologi yang sesuai untuk menilai laporan crowdsourced, sehingga dapat menjadi informasi pelengkap untuk sistem manajemen aset jalan. terakhir, mengevaluasi tingkat pemanfaatan data crowdsourced di Indonesia untuk pengambilan keputusan pemeliharaan jalan. 

Tinjauan Literatur 

Peningkatan kondisi jalan yang bermanfaat bagi pengguna jalan, yaitu peningkatan akses fasilitas sosial, kenyamanan, kecepatan, keselamatan, dan biaya operasi kendaraan yang lebih murah (Burningham & Stankevich, 2005). Untuk melestarikan manfaat ini, program pemeliharaan yang terencana harus diikuti. Sampai saat ini, metode pemeliharaan terutama dipilih berdasarkan usia perkerasan, kondisi jalan, dan dana yang tersedia. kondisi jalan yang paling menonjol diukur dengan parameter seperti tekanan permukaan, kekasaran, dan defleksi yang digunakan untuk mengembangkan strategi perawatan. Indonesia sama seperti negara-negara lain, biasanya memperkirakan data ini untuk masa yang akan datang sehingga dapat menetapkan rencana pemeliharaan yang paling sesuai setiap tahun (NCHRP, 1981, MPWH, 2018).  

Intervensi tahap perawatan yang berbeda dapat menangani jenis kesusahan tunggal atau ganda. Secara umum, jenis perawatan pemeliharaan diurutkan dari yang paling mahal ke yang termurah adalah Rekonstruksi, Rehabilitasi, Korektif, Pencegahan, dan Pemeliharaan Rutin (Xiao et al., 2013). Intervensi ini dapat digabungkan dan diterapkan beberapa kali untuk menghasilkan efek yang lebih diinginkan apabila bermanfaat (Qiao, 2015). Namun, kendala anggaran seringkali memaksa otoritas jalan untuk menetapkan prioritas perawatan. Prioritas untuk anggaran perawatan harus ditawarkan ke ruas jalan yang paling penting secara fungsional (Burningham & Stankevich, 2005). Tingkat ini, biasanya disebut sebagai nilai pemicu indeks kerusakan maksimum yang dapat digunakan untuk menunjukan tingkat kerusakan tertinggi yang dapat  ditoleransi untuk tingkat kerusakan perkerasan. Crowdsourcing dapat menjadi alat yang tepat dan berguna untuk pengembangan rencana pelestarian jalan. Alasannya terutama karena masyarakat sendiri lebih memperhatikan kondisi jalan di wilayah tempat mereka tinggal, bekerja, dan bersosialisasi (Erickson, 2010). Kualitas laporan ini hampir tidak pernah menjadi masalah, karena masyarakat dengan sukarela mempunyai keinginan untuk membantu otoritas jalan dan sesama pengguna jalan (Misra et al., 2014). Namun, subjektivitas dan kurangnya konsistensi terhadap kontribusi pengguna dapat menjadi masalah. Laporan yang dihasilkan dari aplikasi crowdsourcing seperti JalanKita terutama menunjukkan visual dari kerusakan jalan yang ada. 

Secara umum, data kerusakan ini akan dikombinasikan dengan data kekasaran dan / atau variabel lain ketika digunakan untuk tujuan manajemen aset atau pelaporan (Wu et al., 2010). Mereka memberikan informasi untuk analisis kinerja perkerasan, dan sangat penting untuk memperkirakan kinerja perkerasan, mengantisipasi pemeliharaan, memperkirakan kebutuhan rehabilitasi, menetapkan prioritas pemeliharaan, dan mengalokasikan dana (Timm dan McQueen, 2004). 

 

Tabel 1. Skala deskriptif dari Peringkat Kemudahan Servis Saat Ini (Nakamura & Michael, 1962)

Kerusakan permukaan seringkali dinilai dan disimpulkan mengunakan indeks kondisi perkerasan. Indeks yang pertama kali digunakan oleh banyak lembaga transportasi merupakan kombinasi deskriptif sederhana dari kualitas berkendara dan tingkat kerusakan, yang sering disebut Present Serviceability Ranting (PSR) peringkat kemudahan servis (Nakamura & Michael, 1962). Indeks yang dihasilkan dari pengalaman dari para pengamat yang mengendarai kendaraan dibagian perkerasan tertentu (Attoh-Okine and Adarkwa, 2013). Rata-rata setiap individu ditetapkan dari skala deskriptif dari 0 hingga 5, seperti yang tercantum dalam Tabel 1. 

Pada 2011, Indonesia telah mengembangkan pengukuran untuk kerusakan jalan sendiri,  yang disebut Road Condition Index (RCI). Seperti PSR, RCI adalah kombinasi dari deskripsi visual dari permukaan jalan dan kenyamanan berkendara, seperti yang ada di Tabel 2. Kelemahan dari dua faktor ini sama, yaitu kecenderungan eror bisa terjadi. Saat luasan dan keparahan dari kerusakan jalan tidak terlihat secara jelas, ini akan membuat kerancuan pada penilai (Attoh-Okine & Adarkwa, 2013). Namun pada 2016, kementerian pekerjaan umum republik Indonesia mengeluarkan peringkat survei visual yang lebih objektif yang diadaptasi dari American Society for Testing and Material (ASTM) dengan nama yang sama: survey Pavement Condition Index (PCI).  

Tabel 2. Matriks Indeks Kondisi Jalan (RCI) di Indonesia (PU, 2011)

Tidak Seperti PSR dan RCI, PCI itu berdasarkan pada beberapa nilai yang mengukur jenis, keparahan dan luasan jalan. Hal ini menyediakan pengukuran kerusakan yang diamati pada permukaan perkerasan, yang juga sebagai indikasi integritas struktur dan fungsi kondisi permukaan ( misalnya kerataan dan keselamatan sekitar) (ASTM, 2016). PCI tidak langsung mengukur kapasitas struktural, kekesatan atau kerataan, tapi menjadi sebuah alat yang objektif untuk pengukuran jalan (Hajj dkk., 2011). 

Metodologi Penelitian 

Metode peneitian ini dimulai dengan gagasan bagaimana kinerja jaringan jalan dikumpulkan. Dengan berkembangnya pengmpulan data kerusakan jalan melalui crowdsourced, otoritas jalan di Indonesia diperkaya dengan metode yang inovatif dalam pengumpulan data kondisi perkerasan. Namun, data yang digerakkan oleh publik ini memiliki beberapa perbedaan dengan proses pengumpulan data utama, yaitu survey ketidakrataan. 

Waktu dan skala spasial dari laporan crowdsourced dan survey ketidakrataan sangat berbeda pada karakeristik utama dari masing-masing metode. Laporan crowdsourced dengan fleksibilitas dapat menunjukan gambaran dari kerusakan jalan dari setiap waktu yang ada, tapi semua bergantung pada ketertarikan dari penguna jalan. Sementara survey ketidakrataan hanya bisa dilakukan dua kali setahun karena ketatnya anggaran pemerintah, tapi itu bisa menghasilkan data yang menerus untuk seluruh jalan dengan skala nasional. 

Perbedaan antara masing-masing metode pengumpulan data memunculkan masalah pada keterbandingan antara keduanya. Untuk menjelaskan ini, pemrosesan data awal perlu ditujukan pada laporan crowdsourced, yang mana termasuk ekstraksi data dari basisdata situs JalanKita, asosiasi spasial dari masing-masing laporan gambar dangan ruas jalan berdasarkan pada koordinat dan proses agregasi untuk analisis lanjutan pada data kerusakan permukaan dari masing-masing laporan. Selanjutnya, metodelogi inti  ini disebut sebagai Pavement Condition Index (PCI) diterapkan untuk mengukur kerusakan permukaan secara visual yang muncul pada laporan crowdsourced

Data laporan yang terukur dan dapat dibandingkan kemudian dapat dinilai bersama variable lain (misalnya ketidakrataan, anggaran, intervensi politik) untuk memahami prioritas setiap metode dalam pengambilan keputusan pemeliharaan Otoritas Jalan Indonesia. Penilaian ini terutama menargetkan laporan kerusakan jalan yng terjadi berulang dibeberapa luas jalan. Secara khusus, ini terdiei dari pendekatan kualitatif melalui wawancara semiformal dan metode statistik dari analisis korelasi. Melalui tahapan prioritas penilaian, keseluruhan analisis dapat disimpulkan untuk mengusulkan rekomendasi yang sesuai untuk panduan laporan crowdsourced untuk kerusakan jalan dalan siklus perencanaan preservasi jalan. 

Sebagian besar dari penelitian ini berdasarkan metode kuantitatif, sementara kualitatif digunakan untuk memperjelas dan memperkuat alasan hasil. Bagian kualitatif melibatkan nanlisi deskriptif kualitatif untuk menggambarkan karakteristik umum laporan crowdsourced, rumus Slovin untuk menentukan sampel yang diperlukan perbandingan berikut analisis statistiknya, analisis tabulasi silang untuk langsung dibandingkan antara laporan Crowdsourced (PCI) dan ketidakrataan (IRI) dan akhirnya analisis korelasi ganda untuk memahami prioritas laporan crowdsource

Sementara metode kualitatif terdiri dari analisis konten untuk memecahkan masalah komparablitas dari laporan crowdsource dan data ketidakrataan, dan juga wawancara semiformal dilakukan dalam kerja lapangan untuk  menyelidiki hubungan sebab akibat dari fenomena kerusakan jalan yang berulang dan tingkat pemanfaatan data JalanKita dalam pengambilan keputusan pemeliharaan saat ini. 

Pemisahan Data Crowdsourced, Penggabungan dan Pengumpulan 

Penelitian ini seputar laporan crowdsourced dan tingkat ketidarataan jalan, kumpulan data sekunder menjadi sumber inti dari penguraian tersebut. Basis data laporan crowdsourced diperoleh dari administrator resmi Jalan Kita, yang dipimpin oleh Pusat Penelitian dan Pengembangan Jalan dan Jembatan Indonesia. Sementara itu data keitdakrataan jalan dan detail alokasi dana diperoleh dari Direktorat Jenderal Bina Marga. Keakuratan dan kebenaran setiap data dijamin oleh masing-masing penerbit. Rincian data tercantum pada Tabel 3. 

Kumpulan data asli Jalan Kita disajikan dalam bentuk spreadsheet. Terdapat total 6404 laporan dalam rentang waktu April 2017 hingga November 2018. Kemudian, dilakukan pengecekan terhadap spreadsheet untuk menghapus duplikasi data, baik itu laporan duplikasi gambar atau kesalahan duplikasi data sederhana. Setelah validasi awal, jumlah laporan berkurang secara signifikan menjadi 5547 laporan. Namun, data yang divalidasi masih berisi laporan dari setiap wilayah hukum jalan di Indonesia, sedangkan ruang lingkup penelitian ini adalah untuk menilai pemanfaatan data kondisi jalan di jaringan jalan nasional. Karena itu, pemrosesan data lebih lanjut memerlukan penyisihan laporan yang tidak berhubungan dengan laporan yang terkait dengan ruas jalan nasional.  

Untuk memisahkan data crowdsourced yang terkait dengan jalan nasional saja, dilakukan pemrosesan GIS-Spatial-Join. Kumpulan data crowdsourced dalam bentuk spreadsheet diubah menjadi database shapefile dengan menghubungkan setiap laporan dengan koordinatnya. Kemudian proses penggabungan dilakukan dengan overlaying the crowdsourced report nodes dengan kumpulan data sekunder lainnya, kondisi kerataan jalan nasional, dapat dilihat pada Gambar 3.

Gambar 3. Proses GIS-Spatial-Join untuk mengaitkan data crowdsourced dengan ruas jalan nasional 

Penilaian Kerusakan Permukaan dari Laporan Kerusakan Visual 

Skala kondisi yang diukur menggunakan metode PCI dihitung berdasatkan 3 parameter utama yaitu jenis kerusakan, kadar kerusakan dan tingkat keparahan kerusakan. Pertama, jenis kerusakan ditentukan secara manual melalui pemeriksaan visual permukaan jalan, atau dalam hal laporan crowdsourced, foto jalan dikirim oleh masyarakat. Untuk memastikan keseragaman, buku panduan PCI menjelaskan secara detail dan memberikan contoh visual pada setiap jenis kerusakan. Untuk perkerasan kaku dan fleksibel, terdapat total 38 jenis kerusakan yang diatur dalam manual PCI yang diterbitkan oleh ASTM dan Kementerian Pekerjaan Umum dan Perumahan Rakyat Indonesia. 

Tidak hanya gambaran dari setiap variasi kerusakan, manual ini juga menyediakan informasi yang komprehensif untuk mengukur parameter kedua yaitu tingkat keparahan kerusakan. Informasi ini disajikan dalam bentuk gambar dan tabel dimensi rincian tambahan (seperti yang ditunjukkan pada Gambar 4). Secara umum, terdapat 3 tingkat keparahan pada setiap jenis kerusakan yaitu keparahan rendah, keparahan sedang dan keparahan tinggi. 

Gambar 4. Contoh visual yang disediakan oleh manual PCI untuk menentukan tingkat keparahan kerusakan (KPUPR, 2016; ASTM, 2016) 

Parameter ketiga, kadar kerusakan, yang didefinisikan sebagai presentase area kerusakan permukaan  dibagi dengan total area dari unit sampel. Perhitungan area kerusakan permukaan pada laporan foto crowdsourced bisa sangat rumit. Pada penelitian ini, diukur dengan memperkirakan dimensi kerusakan jalan yang relatif mendekati dimensi objek standar terdekat yang ada contohnya mobil, kerb atau marka jalan. Sedangkan total area dari unit sampel ditentukan berdasarkan jumlah unit sampel dan sampel minimum yang akan disurvei. Unit sampel standar sama dengan 3.6 m x 50 m, seperti yang digambarkan pada Gambar 5. 

Gambar 5. Contoh membagi ruas jalan menjadi unit sampel (KPUPR, 2016; ASTM, 2016) 

Dalam penelitian ini, analisis utama dicoba untuk membandingkan antara kumpulan data survei kerataan dengan gambar crowdsourced itu sendiri. Kumpulan data kerataan terkecil memiliki dimensi rata-rata 100m x 3.6 m atau sama dengan 2 kali unit sampel. Dengan demikian, berdasatkan manual PCI, minimum unit sampel yang akan disurvei adalah 1. Dengan kata lain, 1 laporan gambar crowdsourced cukup untuk mewakili 1 unit sampel PCI untuk dibandingkan dengan 1 kumpulan data kerataan (per 100m) 

Terakhir, untuk menentukan nilai pengurangan kerusakan, yang digambarkan sebagai tingkat kerusakan yang disebabkan oleh kerusakan permukaan menjelang umur rencana permukaan. Nilai pengurangan diperoleh dari plotting kombinasi 3 parameter di atas ke dalam Kurva Pengurangan Nilai. Nilai pengurangan ini kemudian digunakan untuk mengurangi angka PCI akhir yang dihasilkan pada kondisi perkerasan berbasis visual seperti yang ditunjukkan pada Gambar 6. 

Gambar 6. Contoh perhitungan PCI 

Gambar 9. Ringkasan perbandingan untuk menilai urgensi laporan crowdsourced untuk pemeliharaan 

Kualitas Perawatan Reaktif 

Untuk mengklarifikasi masalah pemeliharaan reaktif, penelitian ini juga menganalisis kerusakan berulang yang dilaporkan di JalanKita. Ada tiga sampel dari banyak kasus serupa yang telah dievaluasi. Pertama adalah kasus di Durenan-Pligi. Ada laporan kerusakan jalan pada bulan November 2017 di sta-26,8 hingga sta-26,9 (bagian 100m), seperti yang ditunjukkan pada Gambar 10. Pada tahun 2017, anggaran tiap tahun untuk seluruh bagian (panjang 30,40 km) adalah Rp 1,17 miliar atau 53,72% dari anggaran rata-rata Jawa Timur. Anggaran ini meningkat secara signifikan pada tahun 2018 dengan Rp 6,46 miliar atau 174,99% dari anggaran rata-rata Jawa Timur. Berdasarkan kekasaran yang disurvei, kondisi jalan sedikit membaik dari 3,53 pada Juli 2017 menjadi 3,26 pada Januari 2018, yang dikategorikan Baik dan hanya perlu Pemeliharaan Rutin. 

Namun, ada laporan kerusakan kedua pada Februari 2018 di bagian 100m yang sama. Ketika diamati secara visual dan diukur dengan PCI, ditunjukkan bahwa di dekat area penambalan ada retakan buaya. Dibandingkan dengan foto kerusakan 1 dan 2, retakan telah menyebar luas, memburuk, dan bahkan beberapa lubang terbentuk. Berdasarkan nilai PCI, kondisi ruas jalan ini telah memburuk ke kondisi Wajar dan membutuhkan Pemeliharaan Struktural. Kemudian, situasi ini tercermin pada survei Kekasaran terbaru pada Januari 2019 (IRI 2018-2). Ruas 100m di Durenan - Pligi Kondisi kekasarannya telah lumayan menurun, dengan IRI 5,59. 

Gambar 10. Lokasi, Kekasaran, dan nilai PCI dari kerusakan jalan berulang sampel # 1 

Contoh kasus kedua terletak di perbatasan Kota Kediri - ruas jalan Perbatasan Kota Tulungagung, khususnya dari sta-2.6 hingga sta-2.7 (bagian 100m). Seperti yang ditunjukkan pada Gambar 11, ada laporan kerusakan jalan crowdsourced di tempat yang sama pada bulan September 2017 dan Februari 2018. Sebagai catatan tambahan, anggaran tiap tahun untuk seluruh bagian (14,69 km) pada tahun 2017 adalah Rp 1,1 miliar atau 50,49% dari anggaran rata-rata Jawa Timur. Pada 2018, anggaran tersebut dikalikan dengan Rp2,2 miliar atau 115,82% dari anggaran rata-rata Jawa Timur  

Gambar 11. Lokasi, Kekasaran, dan nilai PCI dari kerusakan jalan berulang sampel # 2 

Bagaimanapun juga, setelah dirawat dengan penambalan dan pelapisan, kehalusan permukaan hanya bisa bertahan untuk waktu yang singkat. Sebagaimana dicatat dalam survei kekasaran Juli 2017, IRI memiliki 6,71 dan memburuk menjadi 9,26 IRI pada survei Januari 2018. Ketika dianalisis dengan metode PCI, diamati bahwa lapisan yang dilapis telah bergelombang dan menjadi beriak / bergelombang. Beberapa tambalan yang rusak juga memperlihatkan retakan buaya di bawah lapisan trotoar atas dan beberapa retakan telah memburuk menjadi lubang-lubang kecil. Nilai PCI telah memburuk dari 66 (Kondisi wajar) menjadi 52 (Kondisi buruk), yang membutuhkan pemeliharaan Rekonstruksi / Daur Ulang. Kondisi ini dicerminkan lagi dalam survei kekasaran terbaru pada Januari 2019 (IRI2018-2), karena kekasaran bagian 100m terus memburuk dan dicatat dengan nilai IRI 9,83 (Kekasaran buruk). 

Gambar 12. Lokasi, Kekasaran, dan nilai PCI dari kerusakan jalan berulang sampel # 3 

Terakhir, kasus ruas jalan Pelabuhan Laut Tanjung Bumi- Bangkalan / Sampang, Ruas Jalan Perbatasan Kota khususnya di sta-14.7 hingga sta-14.8 (seksi 100m). Seperti yang terlihat pada Gambar 12, pada tahun 2017 lapisan atas mengalami longsor, sedangkan pada tahun 2018 ditunjukkan bahwa ada retak buaya dan menyebabkan lubang yang dangkal tetapi agak lebar di tempat yang sama. Penting untuk dicatat, anggaran tahunan untuk seluruh bagian (37,00 km) pada tahun 2017 adalah Rp 432 juta atau 19,81% dari anggaran rata-rata Jawa Timur. Sementara pada tahun 2018, anggarannya sedikit menurun menjadi Rp 695 juta atau 18,84% dari anggaran rata-rata Jawa Timur. 

Prioritas Laporan Crowdsourced 

Penelitian ini telah melakukan analisis regresi berganda untuk menilai prioritas laporan JalanKita dalam pengambilan keputusan pemeliharaan otoritas jalan Indonesia. Secara khusus, ia mencoba untuk memahami hubungan antara variabel yang sangat mempengaruhi pemeliharaan untuk meningkatkan kondisi jalan, yang secara administratif diwakili oleh IRI mengubah nilai. Variabel-variabel yang mempengaruhi adalah: nilai kekasaran awal bagian jalan yang dilaporkan (IRI awal), laporan kondisi crowdsourced PCI (PCI), dan anggaran tahunan pada bagian yang dilaporkan (Rupiah). Hasil statistik untuk analisis ditunjukkan pada Tabel 4. Tabel ini menunjukkan ringkasan model regresi linier berganda dan statistik kesesuaian keseluruhan. R² yang disesuaikan dari model adalah .712 dengan R² = .715. Ini berarti bahwa regresi linier menjelaskan 71,5% dari varians dalam data. Juga, Durbin-Watson "d" sama dengan 1,648, yang antara dua nilai kritis 1,5

Tabel 4. Ringkasan model regresi berganda 

Output selanjutnya adalah uji-F ANOVA. F-test regresi linier memiliki hipotesis nol bahwa model menjelaskan nol varians dalam variabel dependen atau R² sama dengan 0. Juga, F-test terbukti sangat signifikan, dengan F = 260.381> Ftable [3,312,0.05 ] = 2.62. Dengan demikian, dapat diasumsikan bahwa model menjelaskan sejumlah besar varian dalam perubahan IRI. 

Tabel ketiga menunjukkan estimasi regresi linier berganda, termasuk pencegahan dan tingkat signifikansi. Dalam Enter-Method analisis regresi linier berganda, ditemukan bahwa IRI Awal memiliki dampak tertinggi bila dibandingkan dengan PCI dan Anggaran Tahunan. Perbandingannya didasarkan pada koefisien standar beta = -. 847 versus beta = -.020 dan -.010 masing-masing. Ini dapat diartikan sebagai: untuk setiap kenaikan 1 unit pada nilai IRI Awal, akan ada -.847 penurunan / peningkatan Perubahan IRI. Koefisien untuk Initial IRI (-.847) secara signifikan berbeda dari 0, karena nilai-p (Sig.) Adalah 0,000, yang lebih kecil dari 0,05. Sementara itu, koefisien untuk PCI (-.020) dan Anggaran Tahunan (-.010) tidak berbeda secara signifikan dari 0, karena nilai-p mereka masing-masing adalah 0,527 dan 0,740, yang lebih besar dari 0,05. Informasi ini juga memeriksa multikolinieritas dalam model regresi linier berganda. Nilai toleransi lebih besar dari 0,1 (atau VIF <10) untuk semua variabel, yang berarti tidak ada multikolinieritas yang ditunjukkan. 

Tabel hasil akhir menunjukkan bahwa hubungan linear antara PCI dan Anggaran Tahunan terbukti signifikan, karena nilai Sig (-3.584E-5) kurang dari 0.5. Hubungan linier cukup lemah, karena nilai ‘r’ Korelasi Pearson (-0.37) mendekati nilai 0. Juga, hubungan linier nya negatif, karena nilai ‘r’ Korelasi Pearson adalah negatif . Demikian pula, hubungan antara PCI dengan IRI awal adalah signifikan karena nilai Sig (.000) kurang dari .05, tapi hubungan liniernya tidak lebih lemah karena nilai ‘r’ Korelasi Pearson (.247) hampir seperempat ke nilai 1, dan hubungan liniernya positif dikarenakan nilai ‘r’ Korelasi Pearson juga positif.  Terakhir, hubungan antara IRI awal dan Anggaran Tahunan juga signifikan dengan nilai Sig (.000) kurang dari .05, selanjutnya hubungan liniernya juga lebih lemah dari koefisien yang disebutkan sebelumnya karena nilai ‘r’ Korelasi Pearson hanya -.243, dan hubungan linier negatif karena nilai ‘r’ Korelasi Pearson adalah negatif. Di samping itu, analisis tersebut digunakan untuk memeriksa normalitas dari residu dengan plot P-P normal. Gambar V.14 menunjukkan bahwa titik umumnya mengikuti garis normal (diagonal) tanpa penyimpangan/deviasi yang kuat. Ini mengindikasikan bahwa residu terdistribusi normal.  

Kesimpulan 

Pada penelitian ini, terungkap bahwa ada beberapa karakteristik yang saling melengkapi antara laporan kerusakan jalan crowdsourced dan kekasaran dalam menggambarkan kondisi permukaan jalan. Di satu sisi, survei kekasaran memberikan tujuan, standar, dan pengukuran historis kondisi jaringan jalan. Oleh karena itu, survei tersebut sangat cocok untuk perencanaan dan penganggaran pemeliharaan jalan tahunan yang dilakukan oleh otoritas jalan. Sementara di sisi lain, laporan kerusakan jalan crowdsourced memberikan lokasi dan kondisi permukaan perkerasan yang paling tepat dan paling terkini. Dengan demikian, hal tersebut dapat mengisi kesenjangan informasi yang muncul dalam survei kekasaran dua tahunan, yang sangat penting untuk pemeliharaan proaktif yang tepat waktu dalam mencegah kerusakan perkerasan yang lebih besar. 

Penelitian ini juga menunjukkan pemanfaatan metode Pavement Condition Index (PCI) untuk mengukur kondisi jalan melalui data visual yang disediakan oleh laporan crowdsourced. PCI dapat mengukur kesulitan yang diamati pada gambar yang dilaporkan untuk menghasilkan tujuan dan dasar rasionla untuk kebutuhan dan prioritas pemeliharaan. Lagi pula, penelitian ini telah menilai urgensi laporan crowdsourced untuk pemeliharaan dengan membandingkan sampel laporan dengan data korelasi kekasaran mereka. Korelasi kekasaran dari lokasi yang dilaporkan dipilih berdasarkan waktu penyerahan laporan dan jaraknya dengan bagian jalan terdekat. Namun, tidak semua kategori laporan crowdsourced dapat dibandingkan dengan karakteristik kekasaran. Laporan yang mungkin paling relevan adalah yang berkaitan dengan kategori Jalan Rusak, yang juga merupakan mayoritas dari laporan yang masuk.  

Berdasarkan hasil perbandingan, kebanyakan kemunculan laporan crowdsourced membutuhkan pemeliharaan berat,  seperti pemeliharaan struktur dan rekonstruksi perkerasan. Sayangnya, keadaan ini juga hadir di ruas jalan yang disurvei sebagai kategori Kekasaran Baik atau Cukup. Untuk lebih memperjelas situasi, penelitian ini juga telah menilai beberapa titik jalan berulang kali untuk menunjukkan pentingnya laporan crowdsourced. Ini diminta untuk tidak hanya menampilkan korelasi numerik antara nilai PCI dan IRI, tetapi juga interaksi fisik antara laporan crowdsourced dengan pengamatan yang dilakukan otoritas jalan yang tercermin dalam survei kekasaran beberapa bulan kemudian. Analisis telah memunculkan gagasan bahwa ketergantungan yang berlebihan pada survei kekasaran dapat menghasilkan opsi perawatan yang tidak memadai, yang tercermin pada kerusakan jalan berulang dan peningkatan kerusakan permukaan perkerasan di tahun-tahun berikutnya. 

Oleh karena itu, dengan menghubungkan antara setiap laporan dengan nilai PCI dan bagian/seksi-lokasi (jarak paling dekat terhadap bagian survei kekasaran), laporan crowdsourced dapat mengurangi penurunan yang tidak disadari dari survei perkerasan. Metode PCI dapat memberikan dasar yang lebih objektif untuk memprioritaskan laporan crowdsourced sehingga keputusan pemeliharaan tidak diperlukan untuk menunggu survei kekasaran 2 tahunan (setiap 6 bulan). Laporan crowdsourced juga menjadi sebanding untuk diproses dalam analisis jaringan jalan untuk melengkpai data kekasaran untuk perencanaan dan penganggaran pemeliharaan yang dilakukan oleh otoritas jalan.  

Namun, penelitian ini mengungkapkan bahwa laporan crowdsourced masih belum diambil sebagai pertimbangan utama untuk pengambilan keputusan pemeliharaan. Analisis korelasi ganda dilakukan untuk memahami hubungan antara variabel yang sangat mempengaruhi pemeliharaan untuk menigkatkan kondisi jalan. Berdasarkan koefisien standar dari model regresi, setiap kenaikan 1 unit pada nilai kekasaran awal akan menghasilkan -0.847 penurunan atau peningkatan kondisi jalan. Sementara itu, laporan crowdsourced dan anggaran tahunan hanya mempengaruhi masing-masing pada -0.020 dan -0.010 peningkatan jalan. Dengan kata lain, keputusan pemeliharaan yang terjadi pada bagian yang dilaporkan masih sangat didasarkan pada kondisi kekasaran. Laporan crowdsourced diposisikan sebagai pertimbangan kedua, sementara anggaran tahunan menjadi perhatian paling sedikit dari otoritas jalan. 

Rekomendasi 

Dari semua poin yang dijelaskan dalam hasil dan diskusi, itu merupakan bukti bahwa tahapan yang paling dasar untuk maju adalah mengembangkan kerangka hukum untuk pelaporan kerusakan jalan crowdsourced. Diharapkan, sejak kasus JalanKita, gagasan ‘’inovasi sebelum regulasi’’ benar-benar berkembang dan mendapatkan momentum yang cukup. Namun, kebiasaan dari pelayanan publik Indonesia masih berorientasi pada tata kelola berdasarkan aturan. Setiap tingkatan pemangku kepentingan terkait diharapkan mendapatkan dukungan hukum yang tepat untuk mendukung tindakan mereka. Ini adalah langkah yang penting untuk memastikan bahwa setiap orang pada tahapan yang sama dan kemauan untuk terlibat dalam aksi untuk mewujudkan kebijakan tersebut. Otoritas jalan dapat menterjemahkan pandangan ini ke dalam serangkaian peraturan yang komprehensif, mulai dari penegakan hukum, pembiayaan, infrastruktur digital, pengetahuan digital, dan insentif untuk pihak yang terkait.  

 

Citation : Harahap, V.B. (2019) Keio University & Institut Teknologi Bandung