Skripsi
MODEL PENURUNAN KONDISI PERKERASAN JALAN DENGAN MENGGUNAKAN TEORI MARKOV
Jalan raya merupakan bagian yang sangat penting di bidang transportasi, terutama dalam sektor perhubungan. Manajemen pemeliharaan jalan (Pavement Management System) menjadi salah satu system dalam pengelolaan jaringan jalan untuk membuat keputusan yang konsisten dan efektif dalam menjaga investasi masyarakat dalam hal prasarana jalan. PMS juga merupakan suatu kunci pengambilan keputusan untuk pembangunan kembali, perbaikan serta pemeliharaan jaringan perkerasan jalan. Salah satu permasalahan yang timbul khususnya di negara-negara beriklim tropis adalah kerusakan fisik pada jalan raya itu sendiri (penurunan kondisi perkerasan). Hal ini disebabkan oleh beberapa hal antara lain terbatasnya kualitas sumber daya manusia, tingkat pergerakan yang tinggi, terbatasnya penyediaan dana, urbanisasi yang sangat cepat, tingkat disiplin yang rendah, lemahnya sistem perancanaan dan kontrol. Teori Markov merupakan salah satu model yang dapat dikembangkan dalam memprediksi penurunan kondisi perkerasan jalan dalam periode waktu tertentu. Model ini dikembangkan dengan menggunakan probabilitas dalam tiap tingkatan kondisi (State conditiori) jalan. Nilai yang didapat dalam tiap tingkatan kondisi tersebut selanjutnya dikembangkan dalam bentuk matrik probabilitas (Transition Probabilities Matrix). Prediksi penurunan kondisi perkerasan jalan dianalisa dalam studi ini. Penelitian yang dilakukan menggunakan beberapa ruas jalan dengan periode umur tiga tahun yakni pada ruas jalan dengan umur ke-9 sampai umur ke-12 tahun dan pada jalan dengan umur ke- 12 sampai umur ke-15 tahun. Kemudian penurunan kondisi perkerasan jalan dengan menggunakan Teori Markov akan dibandingkan dengan metode analisa regresi linier. Hasil menunjukkan bahwa analisa penurunan kondisi perkerasan jalan dengan menggunakan Teori Markov memiliki pola penurunan yang sama dan dapat dipakai dalam memperkirakan penanganan jalan sampai tahun ke-5. Sedangkan metode analisa regresi linier, hasil penurunan kondisi yang diperoleh tidak dapat menggambarkan penurunan yang terjadi tiap periodenya. Dengan demikian untuk pengmbangan model menggunakan teori Markov diperlukan data yang memiliki sebaran nilai pada setiap tingkatan kondisi (State condition) sehingga probabilitas setiap tingkatan kondisi dapat diperoleh untuk pengembangan matrik (TPM).
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
0607000811 | T128500 | T1285002006 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available