TUGAS PENILAIAN PERKERASAN JALAN

Disusun oleh :

Nantia Tresna Nudianti (20160110054)

Suci Kusumaningsih (20160110070)

Sonia Dinda Ramdhani (2016011118)

Desi Prasiska (201601100231)

JURUSAN TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

1. Review Jurnal
 Judul Jurnal : Analisa Tingkat kerusakan perkerasan Jalan Dengan Metode
Pavement Condition Index (PCI) Studi kasus : Jalan Soekarno
Hatta Sta,11+150
Penulis : Husni Mubarak

1. Pavement Condition Index (PCI)

Pavement Condition Index (PCI) adalah perkiraan kondisi jalan dengan sistem
rating untuk menyatakan kondisi perkerasan yang sesungguhnya dengan data
yang dapat dipercaya dan obyektif. Metode PCI dikembangkan di Amerika oleh
U.S Army Corp of Engineers untuk perkerasan bandara, jalan raya dan area
parkir, karena dengan metode ini diperoleh data dan perkiraan kondisi yang
akurat sesuai dengan kondisi di lapangan. Tingkat PCI dituliskan dalam tingkat
0 - 100. Menurut Shahin (1994) kondisi perkerasan jalan dibagi dalam beberapa
tingkat seperti seperti table 2.1 berikut :

Tabel 1. Nilai PCI dan Kondisi Perkerasan (FAA, 1982; Shanin,1994)

Nilai PCI Kondisi Perkerasan

0-10 Gagal (Failed)

10–25 Sangat Jelek (Very Poor)

25–40 Jelek (Poor)

40–55 Cukup (Fair)

55–70 Baik (Good)

70–85 Sangat Baik (Very Good)

85–100 Sempurna (Exellent)

A. Jenis Kerusakan Jalan

Menurut Shanin (1994). M.Y, PCI (Pavement Condition Index) adalah

petunjuk penilaian untuk kondisi perkerasan. Kerusakan jalan dapat dibedakan
menjadi 19 kerusakan, yaitu sebagai berikut:
1. Retak Kulit Buaya (Aligator Cracking)
2. Kegemukan (Bleeding)
3. Retak Kotak-kotak (Block Cracking)
4. Cekungan (Bumb and Sags)
5. Keriting (Corrugation)
6. Amblas (Depression)
7. Retak Samping Jalan (Edge Cracking)
8. Retak Sambung (Joint Reflec Cracking)
9. Pinggiran Jalan Turun Vertikal (Lane/Shoulder Dropp Off)
10. Retak Memanjang/Melintang (Longitudinal/Trasverse Cracking)
11. Tambalan (Patching end Utiliti Cut Patching)
12. Pengausan Agregat (Polised Agregat)
13. Lubang (Pothole)
14. Rusak Perpotongan Rel (Railroad Crossing)
15. Alur (Rutting)
16. Sungkur (Shoving)
17. Patah Slip (Slippage Cracking)
18. Mengembang Jembul (Swell)
19. Pelepasan Butir (Weathering/Raveling)
B. Rumus Menentukan Pavement Condition Index (PCI)
Setelah selesai melakukan survey, data yang diperoleh kemudian dihitung
luas dan persentase kerusakannya sesuai dengan tingkat dan jenis kerusakannya.
Berikut hasil pengukuran kondisi kerusakan jalan.
Tabel 2. Kondisi dan hasil pengukuran

NO. STA. KELAS UKURAN

No.
(M) KERU‐ P L D A Kerusakan Jenis Kerusakan
SAKAN (M) (M) mm (M2)
1 11+150 M 1.2 1.5 1.80 4 Cekungan
2 11+152 H 0.8 1.2 70 0.96 13 Lubang
3 11+202 H 8 1.8 4.40 1 Retak Buaya
4 11+210 H 1.9 1.1 110 2.09 13 Lubang
5 11+230 H 0.6 0.8 80 0.48 13 Lubang
 6 11+231 L 1.2 0.9 1.08 11 Tambalan
7 11+236 M 2.1 0.8 30 1.68 6 Amblas
8 11+250 M 16 2.3 36.80 12 Pengausan Agregat
9 11+249 H 17.2 1.2 20.64 1 Retak Buaya
10 11+300 M 8 3 24.00 12 Pengausan Agregat

Langkah berikutnya adalah menghitung nilai PCI untuk tiap-tiap sampel unit dari
ruas-ruas jalan, berikut ini akan disajikan cara penentuan nilai PCI:
1. Mencari Presentase Kerusakan (Density)
Density adalah presentase luas kerusakan terhadap luas sampel unit
yang ditinjau, density diperoleh dengan cara membagi luas kerusakan
dengan luas sampel unit.

Rumus mencari nilai density:

𝐴𝑑
Density = 𝐿𝑑 x 100%

Ad = Luas total jenis kerusakan untuk tiap tingkat kerusakan (m²)

Ld = Panjang total jenis kerusakan untuk tiap tingkat kerusakan (m)

As = Luas total unit segmen (m²)

(Tabel 1). Untuk luas kerusakan tambalan : 1,2 m x 1,5 m =1,80 m2

dengan luas perkerasan misalnya = 7 m x 100 m = 700 m2
Density = (1,80/700) x 100% = 6,72
2. Menentukan Deduct Value
Setelah nilai density diperoleh, kemudian masing-masing jenis
kerusakan diplotkan ke grafik sesuai dengan tingkat. Deduct value (DV) adalah
suatu nilai pengurang untuk setiap jenis kerusakan yang diperoleh dari kurva
hubungan kerapatan (density) dan tingkat keparahan (severity level). Kurva
tersebut berupa grafik jenis-jenis kerusakan dari A-1 sampai A-19. Adapun cara
untuk menentukan DV, yaitu dengan memasukkan presentase densitas pada
grafik masing-masing jenis kerusakan kemudian menarik garis vertikal sampai
memotong tingkat kerusakan (low, medium, high), selanjutnya ditarik garis
horizontal dan akan didapat DV. Contoh grafik yang digunakan untuk mencari
nilai DV dapat dilihat pada gambar berikut ini

Gambar 1. Grafik Retak Kulit Buaya (Alligator Crack) Patching

Deduct value = 42
Setelah mendapatkan nilai deduct value masing – masing unit sampel, lalu
menjumlahkan Total Deduct Value atau nilai pengurang total diperoleh pada
suatu unit sampel dengan menambahkan seluruh nilai pengurang individual.

3. Mencari Nilai q
Syarat untuk mencari nilai q adalah nilai deduct value lebih besar
dari 2 dengan menggunakan interasi. Nilai deduct value diurutkan dari yang
besar sampai yang kecil. Sebelumnya dilakukan pengecekan nilai deduct
value dengan rumus :

Mi = 1+ ( 9/98 )*( 100 – HDVi )

Mi = Nilai koreksi untuk deduct value

HDVi = Nilai tersebar deduct value dalam satu sampel unit

Jika semua nilai deduct value lebih besar dari nilai Mi maka
dilakukan pengurangan terhadap nilai deduct value dengan nilai Mi tapi jika
nilai deduct value lebih kecil dari nilai Mi maka tidak dilakukan
pengurangan terhadap nilai deduct value tersebut.
4. Mencari Nilai CDV
Nilai CDV dapat dicari setelah nilai q diketahui dengan cara
menjumlah nilai Deduct Value selanjutnya mengeplotkan jumlah deduct
value tadi pada grafik CDV sesuai dengan nilai q.

Corrected deduct value (CDV) diperoleh dengan jalan memasukkan

nilai TDV ke grafik CDV dengan cara menarik garis vertical pada nilai
TDV sampai memotong garis q kemudian ditarik garis horizontal. Nilai q
merupakan jumlah masukan dengan DV > 2 grafik CDV.

Misal : TDV = 78 q = 5 didapatkan CDV = 44 seperti terlihat pada gambar

berikut ini :

Gambar 5. Grafik Corrected deduct value (CDV)

5. Menentukan Nilai PCI

Setelah nilai CDV diketahui maka dapat ditentukan nilai PCI
dengan menggunakan rumus sebagai berikut :

PCI = 100 – CDV

Setelah nilai PCI diketahui, selanjutnya dapat ditentukan rating dari sampel
unit yang ditinjau dengan mengeplotkan grafik. Sedang untuk menghitung
nilai PCI secara keseluruhan dalam satu ruas jalan dapat dihitung dengan
menggunakan rumus sebagai berikut :
 PCIS = Nilai PCI dalam satu ruas jalan
PCIr = Nilai PCI rata-rata sampel unit dalam satu ruas jalan
PCIa = Nilai PCI rata-rata dalam sampel unit tambahan
N = Jumlah sampel unit yang di survey
A = Jumlah sampel unit tambahan yang di survey
Nilai PCI atau nilai kondisi perkerasan dihitung dengan mengurangkan nilai
100 dengan CDV maksimum. Rumus lengkapnya adalah sebagai berikut :
PCI = 100 – CDV PCI = 100 – 52

PCI = 48

PCI = nilai kondisi perkerasan

CDV = Corrected Deduct Value

C. Prioritas penanganan kerusakan

Nilai kondisi perkerasan tiap Unit Sampel yang diperoleh kemudian

dipergunakan untuk menentukan prioritas penanganan kerusakan, yaitu dengan
memprioritaskan penanganan kerusakan pada perkerasan yang mempunyai nilai
kondisi perkerasan yang terkecil lebih dahulu. Untuk mengetahui nilai kondisi
perkerasan keseluruhan (pada ruas jalan yang ditinjau) adalah dengan menjumlah
semua nilai kondisi perkerasan pada tiap-tiap segmen dan membaginya dengan total
jumlah segmen. Rumus yang dipakai sebagai berikut :
Hasil akhir dari analisis PCI untuk tiap jenis Unit Sampel dan nilai PCI rata-
rata (nilai kondisi perkerasan) keseluruhan pada ruas Jalan Soekarno Hatta
Pekanbaru Sta. 11+150 s/d 12+150 dapat dilihat pada Tabel 3.

Tabel 3. Nilai PCI Tiap Segmen dan PCI Rata-rata jalan Soekarno Hatta
Pekanbaru Sta. 11+150 s/d 12+150

Luas Segmen Nilai

No. Unit Sampel (m2) PCI
1 Sta. 11+150 s/d 11+250 700 48
2 Sta. 11+250 s/d 11+350 700 2
 3 Sta. 11+350 s/d 11+450 700 28
4 Sta. 11+450 s/d 11+550 700 48
5 Sta. 11+550 s/d 11+650 700 40
6 Sta. 11+650 s/d 11+750 700 52
7 Sta. 11+750 s/d 11+850 700 42
8 Sta. 11+850 s/d 11+950 700 73
9 Sta. 11+950 s/d 12+050 700 64
10 Sta. 12+050 s/d 12+150 700 64
Jumlah 461
Rata-rata PCI untuk ruas jalan = PCI Tiap
Segmen/Jumlah Segmen 46.1

Rata-rata PCI yang diperoleh kemudian dimasukkan ke dalam parameter,

sehingga didapatkan tingkat kerusakan jalan. Nilai ratarata PCI sebesar
46,10 setelah dimasukkan ke parameter didapat kondisi jalan cukup (fair),
sehingga jalan ini perlu dimasukkan dalam program Pemeliharaan secara
Berkala.

D. Pemeliharaan Kerusakan Jalan

Untuk menentukan jenis penanganan kerusakan jalan di ruas Soekarno
Hatta Pekanbaru Sta. 11+150 s/d 12+150, maka harus diadakan pemilihan terhadap
jenis dan luas kerusakan yang terjadi. Penanganan kerusakan permukaan jalan pada
lapis lentur menggunakan metode perbaikan standar Bina Marga 1995. Metode ini
digunakan untuk pemeliharaan terhadap kerusakan fungsional jalan sehingga
bertujuan untuk mengembalikan kenyamanan dan keamanan pengguna jalan.
Manual Pemeliharaan Rutin untuk Jalan Nasional dan Jalan Provinsi 1995
mengklasifikasikan metode perbaikan standar untuk pemeliharaan kerusakan
fungsional untuk jalan menjadi 6 macam, yaitu :
a. Penebaran Pasir (P1)
Penebaran pasir ini digunakan untuk menangani jenis kerusakan
asphalt bleeding. Metode perbaikan penebaran pasir tidak diperlukan
karena pada ruas jalan yang ditinjau tidak terdapat kerusakan dengan tipe
tersebut.
b. Pengaspalan (P2)
 Jenis-jenis kerusakan yang diperbaiki dengan laburan aspal setempat
adalah kerusakan retak buaya, retak kotak, retak memanjang dan melintang
dengan lebar < 2 mm, dan tergerus (revelling).
c. Penutupan retakan (P3)
Penutupan retakan ini digunakan untuk memperbaiki kerusakan
retak satu arah letak refleksi dengan lebar retakan < 2 mm. Metode
perbaikan melapisi retakan tidak diperlukan karena pada ruas jalan yang
ditinjau tidak terdapat kerusakan dengan tipe tersebut.
d. Mengisi Retakan (P4)
Kerusakan yang diperbaiki dengan metode mengisi retakan ini
adalah kerusakan retak memanjang dan melintang dengan lebar retak > 2
mm.
e. Penambalan lubang (P5)
Kerusakan yang diperbaiki dengan metode ini adalah retak kotak,
retak buaya dengan lebar retak > 2 mm dan penurunan/ambles, dan lubang
dengan kedalaman > 50 mm.
f. Perataan (P6)
Kerusakan yang perlu diperbaiki dengan perataan adalah
penurunan/ambles, lubang dengan kedalaman 10-50 mm, alur kedalaman <
30 mm.
 2. Riview Jurnal Internasional
Judul Jurnal : Evaluation And Maintenance of Road Damage In Sidotopo
Surabaya Road Using Pavement Condition Index (PCI)
Method
Sumber : https://www.atlantis-press.com/proceedings/icst-18/55910851

Menurut (Sholichin & Utomo, 2018), Jalan mengalami kerusakan biasa nya
di sebabkan oleh kelebihan beban lalu lintas, suhu panas dari udara, air dan hujan,
serta kualitas aspal yang buruk sehingga menyebabkan jalan harus dipelihara
dengan baik agar sesuai dengan umur rencana dan dapat melayani pertumbuhan lalu
lintas yang semakin pesat.

Survei kondisi perkerasan perlu dilakukan secara berkala, baik struktural

dan nonstruktural, untuk menentukan tingkat pelayanan jalan yang tersedia.
Termasuk dalam pemeriksaan nonstruktural, dimana kondisi nonstructural
memiliki beberapa kriteria diantara nya yaitu kekasaran, tekstur, dan ketahanan
selip. Berdasarkan hasil analisis PCI, Sidotopo jalan termasuk tingkat miskin
dengan nilai-nilai PCI bawah 40. PCI merupakan metode untuk melakukan
perkiraan kondisi jalan dengan sistem rating untuk menyatakan keadaan trotoar
yang sebenarnya dengan data yang dapat dipercaya dan objektif. Metode ini
digunakan karena memiliki pengukuran yang lebih specifik sehingga hasil evaluasi
dan akurasi yang dihasilkan lebih terukur dibandingkan dengan metode yang
lainya.

Oleh karena itu,dilakukan tahapan - tahapan metode PCI dibagi beberapa

segmen untuk daerah studi kasus di wilayah Sidotopo Surabaya. Kemudian
dilakukan survei kerusakan jalan yang disesuaikan dengan jenis kerusakan dan
kondisi jalan setelah itu dilakukan perhitungan density dimana total jenis keruskan
setiap tingkat kerusakan di bagi dengan total luas segmen unit nya dan dinyatakan
dalam persen. Dari analisis situasi, kerusakan disebabkan oleh volume lalu lintas
tinggi dan berlebihan dengan berulang-ulang beban kendaraan. Berdasarkan
analisis dapat disimpulkan sebagai berikut :

Rata-rata presentase kerusakan jalan sidotopo berdasarkan jenis nya yaitu sebagai
berikut :
a) Alligator craking sebesar 32%
b) Lubang adalah 35%
c) Tepi distorsi adalah 33%

Berdasarkan hasil analisis menggunakan PCI, memperoleh jenis penyebab

kerusakan dan langkah-langkah korektif.

a. Jenis penyebab kerusakan nya adalah:

a) Kerusakan Alligator Craking:
Pembangunan trotoar tidak kuat untuk mendukung beban lalu lintas
yang ada.
1) Lapisan permukaan terlalu tipis
2) Pemilihan campuran yang terlalu kaku dan tipis lapisan permukaan
3) Permukaan kelelahan lapisan akibat beban lalu lintas dan jalan
kehidupan
4) Daya dukung tanah sangat rendah atau menurun karena penyerapan
air kedalam konstruksi perkerasan
5) Stabilitas atau pemadatan lapisan permukaan tidak memadai.
b) Kerusakan berupa lubang
Merupakan konsekuensi lebih lanjut dari jalan kerusakan termasuk retak,
benjolan, alur, dan lain-lain. Jika tidak segera diperbaiki.
1) pengaruh suhu lalu lintas dan cuaca beban yang paling utama yaitu
hujan dimana hujan mempercepat pembentukan hujan.
c) Tepi distorsi kerusakan jalan disebabkan oleh proses pada perbaikan
jalan yang tidak sempurna menambal.
b. Upaya untuk memperbaiki kerusakan di Sidotopo
a) Kerusakan Alligator Craking
Mengupas aspal yang telah retak.
1) Bersihkan area dengan compressor
2) Semprot perdana mantel ikatan lapisan penyerap dengan dosis 0,5
lt/m2
3) Menyebarkan dan meratakan campuran beton aspal pada permukaan
yang terkena sampai halus.
4) Dengan dilakukan pemadatan.
 b) Poles kerusakan
1) Semprot perdana mantel ikatan lapisan penyerap dengan dosis 0.5
lt/m2
2) Menyebar dan merata mencampur semua campuran aspal.
3) Pemadatan dilakukan dengan trek sebanyak 5 trek
c) Tepi kerusakan distorsi
Mengupas lapisan yang rusak.
1) Bersihkan area dengan air compressor
2) Semprot perdana mantel ikatan penyerap dengan dosis 0,5 lt/m2.
3) Menyebarkan dan meratakan campuran beton aspal yang rusak
hingga rata.
4) Dilakukan pemadatan.

c. Kondisi trotoar indeks (PCI) dari Sidotopo

a) Segmen I dan II adalah 40, termasuk sangat miskin.
b) Segmen III adalah 38, termasuk sangat miskin.
 3. Judul Jurnal : Evaluasi Perkerasan Jalan Menurut Metode Bina Marga dan
Alternatif Penangannya (Studi Kasus:Ruas Jalan Danliris
Blulukan-Tohudan Colomadu Karanganyar)
Penulis : Mochamad Rondi
Sumber Jurnal : http://eprints.ums.ac.id/46969/1/Naskah%20publikasi_2.pdf

Evaluasi kondisi kerusakan jalan sangat perlu dilakukan untuk monitoring

seberapa tingkat kerusakan yang terjadi pada suatu ruas jalan. Hasil yang akan didapat
akan sangat membantu dalam penyusunan program rehabilitasi dan penganggaran
penanganan jalan.

Metode Bina Marga

Pada metode Bina Marga (BM) ini jenis kerusakan yang perlu diperhatikan
saat melakukan survei visual adalah kekasaran permukaan, lubang, tambalan,
retak, alur, dan amblas. Penentuan nilai kondisi jalan dilakukan dengan
menjumlahkan setiap angka dan nilai untuk masing-masing keadaan kerusakan.
Perhitungan urutan prioritas (UP) kondisi jalan merupakan fungsi dari kelas
LHR (Lalu lintas Harian Rata-rata) dan nilai kondisi jalannya, yang secara
matematis dapat dituliskan sebagai berikut:

UP = 17 – (Kelas LHR + Nilai Kondisi Jalan)

dengan : Kelas LHR = Kelas lalu-lintas untuk pekerjaan Pemeliharaan

Nilai Kondisi Jalan = Nilai yang diberikan terhadap kondisi jalan
1. Urutan prioritas 0 – 3, menandakan bahwa jalan harus dimasukkan dalam
program peningkatan.
2. Urutan prioritas 4 – 6, menandakan bahwa jalan perlu dimasukkan dalam
program pemeliharaan berkala.
3. Urutan prioritas > 7, menandakan bahwa jalan tersebut cukup dimasukkan dalam
program pemeliharaan rutin
a. Penangan Kerusakan Jalan
Setelah didapat bentuk program pemeliharaan dari metode Bina Marga
selanjutnya melakukan Penanganan kerusakan jalan. Bentuk penanganan
mengacu pada metode Bina Marga (1995), Petunjuk Praktis Pemeliharaan Rutin
Jalan, untuk selanjutnya metode penanganan masing – masing kerusakan jalan
adalah sebagai berikut : (1)Penebaran Pasir (2)Labur Aspal Setempat (3)Melapis
Retak (4)Pengisian Retak (5)Penambalan Lubang (6)Perataan
b. Analisis Kerusakan Menurut Metode Bina Marga
1. Nilai Kelas LHR
Dari hasil survei dan analisis, LHR pada jalan Danliris Blulukan-Tohudan
Colomadu Karanganyar didapat 8915,15 smp/hari. Maka menurut tabel 3.
didapat nilai kelas LHR sebesar 6.
2. Nilai Kondisi Kerusakan Jalan
Dari survei didapat luasan kerusakan dan tipe kerusakan sebagai berikut:
Tabel 5. Tabel Rekapitulasi Survei visual STA 0+000-1+250

Untuk mendapatkan jumlah nilai kondisi jalan maka data diatas dimasukan
dalam tabel Penentuan Angka Kondisi menurut luasan kerusakan, tipe
kerusakan serta kedalam kerusakan. Perhitungan jumlah nilai kondisi jalan
tersaji dalam tabel berikut:
Tabel 6. Penentuan Angka Kondisi berdasarkan Jenis Kerusakan
Dengan jumlah sebesar 22 kemudian dimasukan ke tabel angka kerusakan
didapat nilai kondisi kerusakan sebesar 8.selanjutnya urutan prioritas didapat
dengan memasukan nilai LHR dan Nialai kondisi kerusakan jalan kedalam
rumus: UP = 17 – (Kelas LHR + Nilai Kondisi Jalan). UP= 17- (6+8) = 3, dari
hasil perhitungan Urutan Prioritas maka dapat disimpulkan bahwa Jalan
Danliris Blulukan-Tohudan STA 0+000-1+250 dimasukkan dalam program
peningkatan jalan.
Judul Jurnal : Road Damage Detection Using Deep Neural Networks with
Images Captured Through a Smartphone ( Mendeteksi
Kerusakan Jalan Menggunakan Jaringan Saraf Tiruan
dengan Gambar yang diambil dari Smartphone)
Penulis : Hiroya Maeda∗ , Yoshihide Sekimoto, Toshikazu Seto,
Takehiro Kashiyama, Hiroshi Omata.
Institusi asal : Universitas Tokyo, Tokyo, Jepang.
Sumber Jurnal :
https://scholar.google.co.id/scholar?hl=id&as_sdt=0%2C5
&q=Road+Damage+Detection+Using+Deep+Neural+Netw
orks+with+Images+Captured+Through+a+Smartphone&bt
nG=
Ringkasan Abstrak : Penelitian ini tentang mendeteksi kerusakan permukaan jalan
menggunakan Teknik pemrosesan melalui gambar yang telah diuji secara aktif,
sehingga mencapai akurasi yang tepat. Banyak penelitian yang hanya focus pada
deteksi ada tidaknya kerusakan, namun dalam kenyataannya pemerintah perlu
memperbaiki kerusakan tersebut dan memahami dengan jelas jenis kerusakan agar
dapat mengambil tindakan yang tepat. Penelitian ini memberikan tiga kontribusi
untuk mengatasi masalah yang pertama untuk menambah pengetahuan kita, yang
kedua waktu dan data riset kerusakan jalan dengan skala besar dapat disiapkan.
Data riset ini terdiri dari 9.053 gambar kerusakan jalan diambil dengan smartphone
yang terinstal pada mobil. Untuk menghasilkan riset ini, kami bekerja sama dengan
7 kota yang berada dijepang dan melakukan pengambilan gambar di jalan selama
kurang lebih 40 jam. Pada setiap gambar, diberi anotasi kotak pembatas yang
mewaikili lokasi dan jenis kerusakan. Selanjutkan dideteksi dengan objek canggih
menggunakan jaringan saraf convulational dan membandingkan akurasi dan
kecepatan runtime menggunakan server GPU dan smartphone. Hasil dari kerusakan
dapat terdeteksi dan diklasifikasikan kedalam delapan jenis kerusakan. Dari hasil
percobaan ini akan dikembangkan melalui aplikasi yang bisa digunakan untuk
umum.
Latar Belakang : Selama periode pertumbuhan ekonomi di Jepang yang
tinggi dari tahun 1954 hingga 1973, infrastruktur seperti jalan, jembatan dan
terowongan dibangun secara luas. Penemuan bagian infrastruktur yang sudah tua
dan terkena dampak harus dilakukan pemeriksaan, namun karena kurangnya teknisi
lapangan (ahli) dan sumber keuangan telah mengakibatkan kelalaian dalam inspeksi
terhadap bangunan/ infrastruktur yang sudah tua. Masalah inipun terjadi pada
Amerika Serikat. Masalah terhadap pemelihaaran dan manajemen infrastruktur
kemungkinan akan dialami oleh negara-negara diseluruh dunia. Terbukti dari
lalainya terhadap pemeliharaan dan pengelolaan infrastruktur, makan teknologi
yang canggih dan efisienpun sangat diperlukan dalam penanganan ini. Ada
beberapa studi menggunakan jaringan saraf untuk masalah masalah di bidang
ketektiksipilan dalam kurun waktu 11 tahun sejak 1989 hingga 2000 (Adeli, 2001)
baru-baru ini ada Teknik pembelajaran mesin yang telah berhasil diterapkan secara
otomatis untuk inspeksi permukaan jalan. Yaitu dengan cara menggambil gambar
dengan telfon pintar.

Isi Penelitian : Mendeteksi kerusakan jalan dapat dilakukan secara pengamatan

visual dan dianalisi menggunakan alat. Namun untuk inspeksi dengan skala besar
dalam penelitian ini menggunakan pengukuran seluler system (MMS) atau
menggunakan metode penindaian laser. MMS dapat menghasilkan informasi
geospasial yang sangat akuran, metode ini digunakan pada kendaraan yang
bergerak, system ini terdiri dari unit Global positioning system (GPS) unit
pengukuran internal, gambar terukur digital, kamera digital, pemindai laser, dan
video rekorder. Namun metode ini hanya dapat digunakan pada kota-kota besar
karena harganya yang sangat mahal. Ada beberapa stuid yang membangun
kerusakan model deteksi menggunakan data nyata, diantaranya adalah peneletian
menggunakan gambar jalan yang diambil langsung dari atas jalan, namun akan sulit
untuk memasang kamera dibadan mobil terutama dibeberapa negara ini melanggar
hokum. Secara umum, deteksi objek, metode yang berlaku adalah penggolong
gambar untuk tugas deteksi objek telah menjadi arus utaa. Metode ini memerlukan
berbagai ukuran dan posisi objek pada gambar uji, lalu gunanakn classifier untuk
mengidentifikasi objek.dalam penelitian ini focus pada empat system deteksi objek,
yaitu R-Cnn, Look Only Once (YOLO), R-FCN dan single shot multibox detector
(SSD).
 R-CNN memiliki dua tahap untuk deteksi, yang pertama adalah gambar
diproses menggunakan ekstraktor fitur (VGG, mobile net) dan pada tahap kedua
menggunakan fitur peta yang diinput kedalam extractor. R-CNn mangarah pada
perhitungan duplikat. YOLO adalah deteksi objek yang bisa mencapai presisi rata-
rata tinggi dan kecepatan yang tinggi. Selain itu YOLO dapat memprediksi wilayah
dan kelas objek dengan CNN tunggal. Kelebihan dari fitur YOLO dadalah
kecepatan prosesnya sangat cepat dalam mendeteksi objek. R-FCN adalah
kerangka deteksi objek lain yang diusulkan oleh DAIl. Designnya adalah yang
berbasis wilayaha. Komponen khusu Kawasan harus diterapkan beberapa ratu kali
pergambar. SSD adalah kerangka kerja pendeteksi objek yang menggunakan
jaringan konvolusional umpan-maju tunggal untuk secara langsung memprediksi
kelas dan jangkar offset tanpa menbutuhkan operasi klasifikasi tahap kedua.

Hasil Penelitian : Dalam percobaan ini, pelatihan dilakukan pada computer

dengan menjalankan system operasi Ubunto 16.04 dengan GPU NVIDIA GRID
K520 dan memori RAM 15 GB. Dalam evaluasi tersebut, Intersection Over Union
(IOU) ambang batas ditetapkan ke 0,5. Sampel yang terdeteksi terlihat dalam
Gambar 6 dan Gambar 7. Peneliti membandingkan hasil SSD Inception V2 dan
SAD MobileNet dan hasilnya terlampir pada table 2. Kecepatan inferensi masing-
masing model terlihat pada table 3. Kecepatan diuji pada PC dengan spesifikasi
yang sama seperti pada kasus sembelumnya dan Nexus 5X smartphone dengan
CPU MSM8992 dan memori 2 RAM GB. Selain itu, smartphone dapat memproses
data dalam 1,5 detik ketika dipasang pada mobil, dan keruskan jalan dapat
terdeteksi secara jelas.

Kesimpulan : Pada penelitian ini, telah mengembangkan dataset skala besar

untuk mendeteksi dan klasifikasi kerusakanjalan. Pada kolaborasi dengan tujuh
pemerintah di daerah Jepang, penelitian ini telah mengumpulkan 163.664 gambar
jalan, lalu gambar-gambar kerusakan jalan yang terlihat secara visual dikonfirmasi
dan diklasifikasikan menjadi delapn kelas. Dari semua gambar, hanya 9.053 gambar
saja yang dijelaskan dan dirilis sebagai dataset pelatihan yang terbaik. Berdasarkan
hasil pada kategori kerusakan jalan yang terdeteksi secara baik, penelitianini
berhasil mencapai penarikan dan persiapan yang lebih besar dari 75% dengan waktu
inferensi yang dibutuhkan 1,5 detik pada smartphone. Metode menggunakan
smartphone ini akan berguna di daerah dimana para ahli dan sumber daya yang
sangat kurang. Para peneliti telah membuat dataset, model terlatih, kode sumber
dan aplikasi yang bisa digunakan di handphone untuk masyarakat umum.