PEMANTAUAN CACAT JALAN CROWDSOURCING DAN KINERJA

INFRASTRUKTUR JALAN: STUDI KASUS JALANKITA

25 September 2019 | Artikel/Artikel | 260

Penelitian ini bertujuan untuk menilai komparabilitas dan tingkat prioritas dari laporan cacat 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 model analisis perbandingan dan berganda untuk
menganalisis pemanfaatannya dalam pengambilan keputusan pemeliharaan otoritas jalan. Penelitian
ini mengungkapkan bahwa sebagian besar cacat jalan yang dilaporkan membutuhkan pemeliharaan
yang lebih berat dan ketergantungan yang berlebihan pada survei kekasaran yang ada dapat
menghasilkan opsi perawatan yang tidak memadai. Namun, 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.
Gagasan bahwa banyak infromasi mendalam dapat dikumpulkan oleh warga negara sendiri telah
berkembang secara so\ginifikan dalam beberap dekade terakhir, khususnya dengan munculnya
Wikipedia. dalam bidang pembuatan kebijakan publik dan pengembangan sumber daya
crowdsourcing telah diajukan oleh para peneliti sebagai cara inovatif untuk mendapat lebih banyak
data atau bahkan informasi yang benar-benar baru tentang masalah tertentu (Estelles - Arolas, 2012;
Noveck 2009)
Aplikasi bernama JalanKita, awalnya dikembangakan oleh Badan Penelitian Jalan dan Jembatan
Indonesia pada tahun 2014 dan secara resmi terhubung ke databasae Direktorat Jenderal bIna Marga
Nasional pada tahun 2017. Serupa dengan aplikasi pelaporan jalan lainnya, aplikasi ini bertujuan
untuk mendorong warga melaporkan kerusakan jalan memungkin otoritas jalan untuk
mengidentifikasi dan memperbaiki kerusakan secara tepat waktu.
Sementara 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, kebiasaan, dan peristiwa cuaca (NCHRP, 2004);
yang terakhir ini juga memiliki korelasi tinggi dengan biaya pengguna jalan, kecepatan, kenyamanan
berkendara, dan keselamatan jalan (Huang, 2004; King, 2014).
Namun, terlepas dari peningkatan akuntabilitas dan transparansi kinerja layanan publik dalam
crowdsourcing cacat jalan, masih ada banyak kasus pengelola jalan, bahkan di negara-negara Barat
dan sayangnya 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, muatan / volume lalu lintas, dan intervensi politik untuk merumuskan
rencana dan anggaran pemeliharaan jalan (MPWH, 2018). Untuk menjawab pertanyaan ini, penelitian
ini akan, pertama, mengklarifikasi perbandingan antara laporan cacat 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. Dan
terakhir, mengevaluasi tingkat pemanfaatan data crowdsourced di Indonesia untuk pengambilan
keputusan pemeliharaan jalan.
Tinjauan Literatur
Peningkatan kondisi jalan mengarah pada manfaat cepat 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. Yang paling menonjol, kondisi jalan, diukur dengan
parameter seperti tekanan permukaan, kekasaran, dan defleksi, digunakan untuk mengembangkan
strategi perawatan. Indonesia, seperti negara-negara lain, biasanya memperkirakan data ini di masa
depan untuk 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 (Qiao et al., 2013).
Intervensi ini dapat digabungkan dan diterapkan beberapa kali untuk menghasilkan efek yang lebih
diinginkan jika perlu (Qiao, 2015). Namun, kendala anggaran seringkali memaksa otoritas jalan untuk
menetapkan prioritas perawatan. Prioritas untuk anggaran pelestarian harus ditawarkan ke ruas
jalan yang paling penting secara fungsional dan di tingkat yang tidak dapat diterima (Burningham &
Stankevich, 2005). Level ini, biasanya disebut sebagai nilai pemicu, adalah indeks kesusahan
maksimum yang dapat diterima yang menunjukkan tingkat kesusahan tertinggi yang bisa diterima
untuk perkerasan. Crowdsourcing dapat menjadi alat yang tepat dan berharga untuk pengembangan
rencana pelestarian jalan. Alasannya terutama karena orang banyak lebih memperhatikan kondisi
jalan yang melibatkan wilayah tempat mereka tinggal, bekerja, dan bersosialisasi (Erickson, 2010).
Kualitas laporan ini hampir tidak pernah menjadi masalah, karena para reporter sukarela karena
keinginan untuk membantu otoritas jalan dan sesama pengguna jalan mereka (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 cacat jalan yang ada.
Dengan demikian, proses pemeringkatan diperlukan untuk secara visual memeriksa manifestasi
marabahaya pada gambar-gambar permukaan perkerasan yang memburuk. Secara umum, data
marabahaya 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)

Permukaan permukaan umumnya dinilai dan dirangkum menggunakan indeks kondisi perkerasan.
Indeks pertama digunakan oleh berbagai agen transportasi adalah kombinasi deskriptif sederhana
dari kualitas perjalanan dan peringkat kesusahan, disebut sebagai Present Serviceability Rating (PSR)
(Nakamura & Michael, 1962). Indeks yang dihasilkan ditentukan berdasarkan pengalaman panel
pengamat yang mengendarai kendaraan di bagian perkerasan tertentu (Attoh-Okine dan Adarkwa,
2013). Rerata dari masing-masing individu rater kemudian ditetapkan dari skala deskriptif dari 0
hingga 5, sebagaimana tercantum dalam Tabel 1. Pada tahun 2011, Indonesia telah mengembangkan
metrik alternatif sendiri untuk kesulitan jalan, yang disebut Indeks Kondisi Jalan (RCI). Mirip dengan
PSR, RCI adalah kombinasi deskripsi visual kondisi permukaan jalan dan kenyamanan berkendara,
seperti yang ditunjukkan pada Tabel 2. Kelemahan kedua indeks ini adalah sama, kewajiban mereka
terhadap kesalahan bias. Ketika tingkat keparahan dan luasan dari kesulitan tidak terdefinisi dengan
baik, hal itu dapat menyebabkan kebingungan pada bagian penilai (Attoh-Okine & Adarkwa, 2013).
Namun, kemudian pada tahun 2016, Kementerian Pekerjaan Umum Indonesia telah merilis manual
penilaian survei visual yang lebih objektif yang diadopsi dari American Society for Testing and
Materials (ASTM) dengan nama yang sama: Survei Pavement Condition Index (PCI).
Tabel 2. Matriks Indeks Kondisi Jalan (RCI) di Indonesia (PU, 2011)
Tidak seperti PSR dan RCI, PCI dinilai berdasarkan beberapa kurva nilai pengurangan yang mengukur
jenis, tingkat keparahan, dan luas jalan. Ini memberikan pengukuran tekanan yang diamati pada
permukaan perkerasan, yang juga menunjukkan integritas struktural dan kondisi fungsional
permukaannya (mis. Kekasaran dan keamanan setempat) (ASTM, 2016). PCI tidak secara langsung
mengukur kapasitas struktural, skid resistance atau kekasaran, tetapi menjadi alat objektif untuk
penilaian jalan (Hajj et al., 2011).
Metodologi Penelitian
Metode penelitian ini dimulai dengan gagasan tentang bagaimana kinerja jaringan jalan dikumpulkan.
Dengan munculnya laporan cacat jalan crowdsourced, otoritas jalan Indonesia diperkaya dengan
metode inovatif untuk mengumpulkan data kondisi perkerasan. Namun, data yang digerakkan oleh
publik ini memiliki bagian yang berbeda dengan proses pengumpulan data jalan utama, yaitu survei
kekasaran.
Waktu dan resolusi spasial dari laporan crowdsourced dan survei kekasaran sangat berbeda karena
karakteristik inti dari masing-masing metode. Laporan crowdsourced dengan fleksibilitasnya dapat
menunjukkan gambar cacat jalan di setiap jangka waktu tertentu, tetapi semuanya tergantung pada
minat pengguna jalan. Sementara survei kekasaran hanya dapat dilakukan dua kali setahun karena
anggaran pemerintah yang ketat, tetapi dapat menghasilkan data berkelanjutan untuk seluruh bagian
jalan dalam skala nasional.
Perbedaan antara masing-masing metode pengumpulan data muncul masalah komparabilitas antara
keduanya. Untuk memperjelas hal ini, pemrosesan data awal perlu ditujukan ke laporan
crowdsourced, yang meliputi ekstraksi data dari database situs web JalanKita, asosiasi spasial dari
masing-masing gambar yang dilaporkan dengan bagian jalan berdasarkan koordinatnya, dan proses
agregasi untuk dianalisis lebih lanjut. data kesulitan permukaan dari setiap laporan. Selanjutnya,
metodologi inti baru yang disebut Pavement Condition Index (PCI) diterapkan untuk mengukur
tekanan permukaan visual yang ditunjukkan pada laporan crowdsourced.
Waktu dan resolusi spasial dari laporan crowdsourced dan survei kekasaran sangat berbeda karena
karakteristik inti dari masing-masing metode. Itu laporan crowdsourced dengan fleksibilitasnya
dapat menunjukkan gambar cacat jalan di setiap jangka waktu tertentu, tetapi semuanya tergantung
pada minat pengguna jalan. Sementara survei kekasaran hanya dapat dilakukan dua kali setahun
karena anggaran pemerintah yang ketat, tetapi dapat menghasilkan data berkelanjutan untuk seluruh
bagian jalan dalam skala nasional.
Perbedaan antara masing-masing metode pengumpulan data muncul masalah komparabilitas antara
keduanya. Untuk memperjelas hal ini, pemrosesan data awal perlu ditujukan ke laporan
crowdsourced, yang meliputi ekstraksi data dari database situs web JalanKita, asosiasi spasial dari
masing-masing gambar yang dilaporkan dengan bagian jalan berdasarkan koordinatnya, dan proses
agregasi untuk dianalisis lebih lanjut. data kesulitan permukaan dari setiap laporan. Selanjutnya,
metodologi inti baru yang disebut Pavement Condition Index (PCI) diterapkan untuk mengukur
tekanan permukaan visual yang ditunjukkan pada laporan crowdsourced.
Data laporan yang sekarang terkuantifikasi dan dapat dibandingkan kemudian dinilai bersama
dengan variabel lain (mis. Kekasaran, anggaran, intervensi politik) untuk memahami prioritas setiap
metode dalam pengambilan keputusan pemeliharaan Otoritas Jalan Indonesia. Penilaian ini terutama
menargetkan laporan cacat jalan berulang yang terjadi di beberapa ruas jalan. Secara khusus, ini
terdiri dari pendekatan kualitatif melalui wawancara semi-terstruktur dan metode statistik analisis
Korelasi Berganda. Melalui tahap-tahap penilaian prioritisasi, analisis keseluruhan disimpulkan untuk
mengusulkan rekomendasi yang sesuai untuk memandu dengan lebih baik posisi cacat laporan
crowdsourcing dalam siklus perencanaan pelestarian jalan.
Mayoritas penelitian ini didasarkan pada metode kuantitatif, sedangkan yang kualitatif digunakan
untuk memperjelas dan memperkuat alasan hasil. Bagian kuantitatif melibatkan analisis deskriptif
kuantitatif untuk menggambarkan karakteristik umum laporan crowdsourced, rumus Slovakia untuk
menentukan sampel yang diperlukan untuk perbandingan dan analisis statistik berikut, analisis
tabulasi silang untuk secara langsung membandingkan Crowdsourced Reports (PCI) dan Roughness (
IRI), dan terakhir analisis korelasi berganda untuk memahami prioritas laporan crowdsource.
Sementara metodologi kualitatif terdiri dari analisis isi untuk memecah masalah perbandingan
laporan crowdsource dan data kekasaran, dan juga wawancara semi-terstruktur yang dilakukan
dalam penelitian lapangan untuk menyelidiki hubungan sebab-akibat dari fenomena cacat jalan
berulang dan tingkat pemanfaatan data JalanKita dalam pengambilan keputusan perawatan saat ini.
Ekstraksi Data Crowdsourced, Asosiasi, dan Agregasi Karena penelitian ini berputar di sekitar laporan
crowdsourced dan kinerja kekasaran, dataset sekunder menjadi sumber inti dari penguraian. Basis
data laporan crowdsourced diperoleh melalui administrator JalanKita yang berwenang, yang
dipimpin oleh Pusat Pengembangan Jalan dan Jembatan Indonesia. Sementara kekasaran dan rincian
alokasi anggaran diperoleh dari Direktorat Jenderal Bina Marga Indonesia. Keandalan dan validitas
setiap basis data dijamin oleh penerbitnya masing-masing, dan dataset terperincinya tercantum
dalam Tabel 3.

Tabel 3. Kumpulan data lengkap dari data sekunder

Dataset JalanKita yang asli adalah dalam bentuk spreadsheet. Ada total 6404 laporan yang
membentang dari April 2017 hingga November 2018. Setelah itu, spreadsheet divalidasi untuk
menghapus duplikasi data, apakah itu laporan duplikasi gambar atau kesalahan duplikasi data
sederhana. Setelah validasi awal, jumlah laporan berkurang secara signifikan hingga 5.547 laporan.
Namun, dataset yang divalidasi masih berisi laporan dari setiap yurisdiksi 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 diperlukan untuk menyisihkan
laporan yang tidak berhubungan dari laporan yang terkait dengan ruas jalan Nasional.
Untuk mengekstraksi laporan crowdsourced yang terkait dengan jalan Nasional saja, pemrosesan GIS-
Spatial-Join dilakukan. Dataset spreadsheet crowdsource pertama-tama ditransformasikan menjadi
database shapefile dengan hanya menghubungkan setiap laporan dengan koordinasinya. Kemudian,
proses asosiasi ditangani dengan menindih node laporan crowdsourced dengan set data sekunder
lainnya, shapefile Kondisi Kekasaran Nasional, seperti yang ditunjukkan pada Gambar 3.
Gambar 3. Proses penggabungan spasial dalam GIS untuk mengaitkan laporan crowdsourced dengan
bagian jalan nasional
Rating Permukaan Distress dari Laporan Cacat Visual
Indeks kondisi yang diukur dengan PCI dihitung berdasarkan 3 parameter utama, yaitu Jenis Distress,
Distress Density, dan Distress Severity. Pertama, Jenis Distress ditentukan secara manual dengan
memeriksa permukaan perkerasan secara visual, atau dalam hal laporan crowdsourced, gambar
perkerasan dikirim oleh publik. Untuk memastikan keseragaman, buku panduan PCI menjelaskan
penjelasan yang luas dan contoh-contoh visual dari masing-masing jenis marabahaya. Untuk
perkerasan kaku dan fleksibel, ada total 38 jenis marabahaya yang diatur dalam manual PCI yang
diterbitkan oleh ASTM dan Kementerian Pekerjaan Umum Indonesia.
Tidak hanya deskripsi dari setiap variasi marabahaya, manual juga menyediakan informasi yang
komprehensif untuk mengukur parameter kedua, tingkat Severity Severity. Informasi ini disajikan
dalam bentuk contoh gambar dan tabel dimensi detail tambahan (seperti yang ditunjukkan pada
Gambar 4). Secara umum, ada 3 tahap keparahan distress untuk setiap jenis distress, yaitu Low
Severity, Medium Severity, dan High Severity.
Gambar 4. Contoh visual yang disediakan oleh manual PCI untuk menentukan tingkat Keseriusan
Distress (KPUPR, 2016; ASTM, 2016)
Parameter ketiga, Distress Density, yang didefinisikan sebagai persentase Surface Distress Area dibagi
dengan Total Area Unit Sampel. Perhitungan Area Permukaan Permukaan dalam gambar laporan
crowdsourced bisa sangat rumit. Dalam penelitian ini, diukur dengan memperkirakan dimensi cacat
jalan yang relatif terhadap dimensi objek standar terdekat yang ada, mis. mobil, trotoar, atau marka
jalan. Sedangkan, Total Area Sampel ditentukan berdasarkan jumlah unit sampel dan unit sampel
minimum yang akan disurvei. Unit sampel standar sama dengan 3,6 mx 50 m, seperti yang
divisualisasikan pada Gambar 5.
Gambar 5. Contoh tentang membagi ruas jalan menjadi unit sampel (KPUPR, 2016; ASTM, 2016)
Dalam penelitian ini, analisis utama dicoba untuk membandingkan antara dataset Survei Kekasaran
dengan Gambar Crowdsourced sendiri. Dataset kekasaran terkecil memiliki dimensi rata-rata 100 mx
3,6 m atau sama dengan 2 unit sampel. Dengan demikian, berdasarkan manual PCI, unit sampel
minimum yang akan disurvei adalah 1. Dengan kata lain, 1 gambar laporan crowdsourced cukup untuk
mewakili PCI unit sampel untuk dibandingkan dengan 1 dataset kekasaran (per 100 m).
Terakhir, untuk menentukan nilai pengurangan marabahaya, yang menggambarkan sebagai tingkat
kerusakan yang disebabkan oleh marabahaya permukaan terhadap umur layanan perkerasan. Nilai
deduksi diperoleh dari kombinasi diplot dari 3 parameter yang disebutkan di atas ke dalam Kurva
Nilai Pengurangan. Nilai deduksi ini kemudian digunakan untuk mengurangi angka PCI akhir yang
menghasilkan kondisi perkerasan berbasis visual, seperti yang ditunjukkan pada Gambar 6.
Gambar 6. Contoh perhitungan PCI
Hasil dan Diskusi
Dalam penelitian ini, upaya telah dilakukan untuk membandingkan laporan cacat jalan crowdsourced
berdasarkan kondisi kekasaran dan nilai PCI-nya. Berdasarkan nilainya, maka masing-masing laporan
diidentifikasi dari masing-masing tahap pemeliharaan dan urgensi. Seperti yang dirangkum pada
Gambar 9, sampel crowdsourced yang dikuantifikasi sekarang dikelompokkan berdasarkan kategori
PCI mereka dan dibandingkan dengan kategori IRI yang disurvei. Situasi paling mengkhawatirkan
yang dapat diamati dalam bagan adalah bahwa mayoritas laporan crowdsourced 'PCI dikategorikan
membutuhkan pemeliharaan struktural dan rekonstruksi / daur ulang. Meskipun disurvei sebagai
kekasaran Baik atau Adil, lebih dari 50% cacat jalan yang dilaporkan oleh masyarakat diidentifikasi
membutuhkan pemeliharaan yang lebih berat daripada yang ditunjukkan oleh kondisi kekasarannya.
Temuan-temuan ini tentu dapat memicu perspektif pengelola jalan tentang bagaimana mereka harus
melihat dan memutuskan opsi perawatan untuk jalan yang dilaporkan.
Perbandingan yang ditunjukkan pada Gambar 9. menunjukkan bahwa dengan mengaitkan laporan
crowdsourced dengan indeks (PCI), foto yang cacat akan sebanding dan dapat melengkapi data
kekasaran. Otoritas jalan akan dapat menganalisis laporan crowdsourced untuk memutuskan rencana
pemeliharaan yang paling sesuai dan anggaran yang diperlukan. Metode PCI memberikan dasar
objektif untuk menilai laporan-laporan tersebut, sehingga keputusan pemeliharaan tidak perlu
menunggu survei kekasaran yang dilakukan setiap enam bulan. Dengan demikian, pengelola jalan
dapat melakukan pemeliharaan reaktif yang lebih optimal dan tepat waktu untuk memuaskan
masyarakat umum.
Gambar 9. Ringkasan perbandingan untuk menilai urgensi laporan crowdsourced untuk
pemeliharaan

Kualitas Perawatan Reaktif

Untuk mengklarifikasi masalah pemeliharaan reaktif, penelitian ini juga menganalisis cacat berulang
yang dilaporkan di JalanKita. Ada tiga sampel dari banyak kasus serupa yang telah dievaluasi. Pertama
adalah kasus di Durenan-Pligi. Ada laporan cacat jalan pada November 2017 di sta-26.8 hingga sta-
26.9 (bagian 100m), seperti yang ditunjukkan pada Gambar 10. Pada 2017, anggaran tahunan untuk
seluruh bagian (panjang 30,40 km) adalah Rp 1,17 miliar atau 53,72%. 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 dikenal 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 cacat kedua pada Februari 2018 di bagian 100m yang sama. Ketika diamati secara
visual dan dikuantifikasi dengan PCI, ditunjukkan bahwa di dekat area penambalan ada retakan
buaya. Dibandingkan dengan foto cacat 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 telah menolak
kondisi kekasaran yang Adil, dengan IRI 5,59.

Gambar 10. Lokasi, Kekasaran, dan nilai PCI dari cacat 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 cacat jalan crowdsourced di tempat yang sama pada bulan September 2017 dan Februari
2018. Sebagai catatan tambahan, anggaran tahunan untuk seluruh bagian (14,69 km) pada tahun 2017
adalah Rp 1,1 miliar atau 50,49% dari wilayah Timur. Anggaran rata-rata Jawa. 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 cacat 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 bergelombang /
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 sebagai 9,83 IRI (Poor
roughness).
Gambar 12. Lokasi, Kekasaran, dan nilai PCI dari cacat jalan berulang sampel # 3
Terakhir, kasus ruas jalan Pelabuhan Laut Tanjung - Bangkalan / Sampang, khususnya di sta-14.7
hingga sta-14.8 (seksi 100m). Seperti yang terlihat pada Gambar 12, pada tahun 2017 lapisan atas
digeser, sedangkan pada tahun 2018 ditunjukkan bahwa ada buaya besar yang retak dan
menyebabkan lubang yang dangkal tetapi agak lebar di tempat yang sama. Penting untuk dicatat,
anggaran tahunan untuk seluruh bagian (37,00 km) pada 2017 adalah Rp 432 juta atau 19,81% dari
anggaran rata-rata Jawa Timur. Sementara pada 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 intersep 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, 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 multi-
collinearity 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 Sig. nilai (-3.584E-5) kurang dari 0,05. Hubungan linier kebetulan cukup lemah,
karena nilai korelasi r 'Pearson (-.037) dekat dengan 0. Juga, hubungan linier mereka negatif, karena
nilai korelasi' r 'Pearson adalah negatif. Demikian pula, hubungan antara PCI dan IRI Awal adalah
signifikan karena Sig. nilai (.000) kurang dari .05, tetapi hubungan linier tidak lemah karena nilai 'r'
Pearson (0,247) hampir seperempat ke 1, dan hubungan linier positif karena Korelasi Pearson 'r'
nilainya positif. Terakhir, hubungan antara IRI Awal dan Anggaran Tahunan juga signifikan dengan
Sig. nilai (.000) yang kurang dari .05, selanjutnya hubungan linier mereka juga lebih lemah dari
koefisien yang disebutkan sebelumnya karena nilai Pearson Correlation 'r' hanya -.243, dan hubungan
linear negatif karena nilai Pearson Correlation 'r' negatif. Di samping catatan, analisis juga memeriksa
normalitas residual dengan plot P-P normal. Gambar V.14 menunjukkan bahwa titik umumnya
mengikuti garis normal (diagonal) tanpa penyimpangan yang kuat. Ini menunjukkan bahwa residu
terdistribusi normal.
Kesimpulan
Dalam penelitian ini, terungkap bahwa ada beberapa karakteristik yang saling melengkapi antara
laporan cacat jalan crowdsourced dan kekasaran administrasi dalam menggambarkan kondisi
permukaan jalan. Di satu sisi, survei kekasaran memberikan tujuan, standar dan pengukuran historis
kondisi jaringan jalan. Oleh karena itu, sangat cocok untuk perencanaan dan penganggaran
pemeliharaan jalan tahunan yang dilakukan oleh otoritas jalan. Sementara di sisi lain, laporan cacat
jalan crowdsourced memberikan lokasi yang paling tepat dan kondisi permukaan perkerasan yang
paling terkini. Dengan demikian, dapat mengisi kesenjangan informasi yang hadir 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 untuk mengukur
kondisi jalan melalui data visual yang disediakan oleh pelaporan crowdsourced. PCI dapat mengukur
kesulitan yang diamati pada gambar yang dilaporkan untuk menghasilkan tujuan dan dasar rasional
untuk kebutuhan dan prioritas pemeliharaan. Selain itu, penelitian ini telah menilai urgensi laporan
crowdsourced untuk pemeliharaan dengan membandingkan sampel laporan dengan data kekasaran
berkorelasi mereka. Kekasaran berkorelasi dari lokasi yang dilaporkan dipilih berdasarkan waktu
penyerahan laporan dan jaraknya dengan bagian jalan terdekat. Namun, tidak semua kategori laporan
crowdsourced sebanding dengan karakteristik kekasaran. Laporan yang paling mungkin relevan
adalah yang dengan kategori Jalan Rusak, yang juga merupakan mayoritas dari laporan yang masuk.
Berdasarkan perbandingan, sebagian besar laporan crowdsourced tampaknya membutuhkan
pemeliharaan berat, seperti pemeliharaan struktural dan rekonstruksi perkerasan. Sayangnya,
keadaan ini juga hadir di ruas jalan yang disurvei sebagai kekasaran Baik atau Adil. Untuk lebih
memperjelas situasi, penelitian ini juga telah menilai beberapa titik cacat jalan berulang untuk
menunjukkan pentingnya laporan crowdsourced. Ini berusaha untuk menampilkan tidak hanya
korelasi numerik antara nilai PCI dan IRI, tetapi juga interaksi fisik antara laporan crowdsourced
dengan pengamatan otoritas jalan yang tercermin dalam survei kekasaran beberapa bulan kemudian.
Analisis telah muncul gagasan bahwa ketergantungan yang berlebihan pada survei kekasaran dapat
menghasilkan opsi perawatan yang tidak memadai, yang tercermin pada cacat jalan berulang dan
peningkatan tingkat kerusakan permukaan perkerasan di tahun-tahun berikutnya.
Oleh karena itu, dengan mengaitkan setiap laporan dengan nilai PCI dan lokasi-bagian (jarak terdekat
ke bagian survei kekasaran), laporan crowdsource dapat mengurangi penurunan tanpa disadari dari
survei kekasaran. Metode PCI dapat memberikan dasar yang lebih objektif untuk memprioritaskan
laporan crowdsourced, sehingga keputusan pemeliharaan tidak perlu menunggu survei kekasaran
dua tahunan (setiap 6 bulan). Laporan crowdsourced juga menjadi sebanding untuk diproses dalam
analisis jaringan jalan untuk melengkapi 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
meningkatkan 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, terbukti bahwa langkah paling mendasar
untuk maju adalah mengembangkan kerangka hukum untuk pelaporan cacat jalan crowdsourced.
Diharapkan, karena dalam kasus JalanKita, gagasan "inovasi sebelum regulasi" benar-benar
berkembang dan mendapatkan momentum yang cukup. Namun, sifat layanan publik Indonesia masih
berorientasi pada tata kelola berdasarkan aturan. Setiap tingkatan pemangku kepentingan terkait
dirindukan dukungan hukum yang tepat untuk mendukung tindakan mereka. Ini adalah langkah
penting untuk memastikan bahwa semua orang ada di halaman yang sama dan bersedia terlibat dalam
aksi kolektif untuk mewujudkan kebijakan tersebut. Otoritas jalan dapat menerjemahkan visi ini ke
dalam serangkaian peraturan yang komprehensif, mulai dari penegakan hukum, pembiayaan,
infrastruktur digital, pengetahuan digital, dan insentif untuk aktor terkait