perbaikan kerusakan jalan metode bina marga dan …

14
ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 83 PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN PAVEMENT CONDITION INDEX (PCI) Siswanto 1 Teknik Sipil, Sekolah Tinggi Teknologi Mandala Bandung Abstrak Analisis penelitian ini menggunakan dua metode yaitu metode Bina Marga dan metode PCI (Pavement Condition Index) pada Perkerasan Lentur. Survei lapangan dilakukan di ruas Jalan Nasional Nagreg Tasikmalaya. Tujuan penelitian adalah untuk membandingkan hasil analisis terhadap tingkat kerusakan jalan dengan menggunakan dua metode dan menganalisis korelasi nilai Bina Marga dan PCI dengan anggaran biaya penanganan preservasi jalan pada ruas jalan tersebut. Penelitian ini dilakukan dengan survei visual, jenis kerusakan, tingkat kerusakan, pengukuran kerusakan permukaan perkerasan, dan survei LHR (Lalu Lintas Harian RataRata) dibandingkan dengan data LHR IRMS pada ruas jalan. Hasil yang diperoleh dari penelitian ini yaitu kerusakan retak kulit buaya (alligator cracking) = 3,30%, retak blok atau acak (block cracking) = 0,39%, retak memanjang (edge cracking) = 1,19%, amblas (depression) = 0,60%, lubang (potholes) = 1,06%, tambalan (patching) = 1,33%, dan alur (rutting) = 0,20%. Analisis menggunakan metode Bina Marga diperoleh nilai Urutan Prioritas (UP) = 5,15. Analisis menggunakan metode PCI diperoleh nilai tingkat kerusakan sebesar 68,10. Hasil dari kedua Metode dapat direkomendasikan dalam penanganan preservasi jalan yaitu pemeliharaan berkala dengan anggaran biaya sebesar Rp 188.232.000,00/Km. Analisis regresi linier dengan program SPSS antara nilai metode Bina Marga dan anggaran biaya didapat koefisien determinasi sebesar 0,12 dan koefisien korelasi sebesar 0,35, didapat persamaan Y = 21,034 0,357 X.. Analisis regresi linier antara nilai metode PCI dan anggaran biaya didapat koefisien determinasi sebesar 0,20 dan koefisien korelasi sebesar 0,45, dan persamaan Y = 32.548 0,454 X. Hubungan antara kedua metode dengan anggaran biaya yaitu tingkat hubungan cukup atau sedang dan bentuk hubungannya adalah linier negatif. Kata kunci : Analisis kerusakan jalan, Perkerasan Lentur, Metode Bina Marga, Metode PCI. Abstract The analysis of this research uses two methods, Bina Marga method and PCI (Pavement Condition Index) method at Flexible Pavement. The field survey was conducted on the segment of Nagreg - Tasikmalaya National Road. The objective of the study was to compare the results of the analysis on the level of road damage using two methods and to analyze the correlation value of Bina Marga and PCI with the budget of handling of road preservation on the road. The study was conducted by visual surveys, types of damage, level of damage, measurement of pavement surface damage, and ADT (Average Daily Traffic) surveys compared to IRMS ADT data on roads. The results obtained from this study are the damage of alligator cracking = 3.30%, block cracking = 0.39%, edge cracking = 1.19%, depression = 0.60%, potholes = 1.06%, patching = 1.33%, and rutting = 0.20%. The analysis using Bina Marga method obtained the Priority Order (UP) = 5.15. Analysis using PCI method obtained value of damage level equal to 68.10. The results of both methods can be recommended in the handling of road preservation that is periodic maintenance with a budget of IDR.188,232,000.00/Km. Linear regression analysis with SPSS program between value of Bina Marga method and cost budget obtained coefficient of determination equal to 0.12 and correlation coefficient 0.35, and equation Y = 21,034 0,357 X. Linear regression analysis between PCI method and cost budget obtained coefficient determination of 0.20 and correlation coefficient of 0.45, and equation Y = 32.548 0,454 X. The relationship between the two methods with the cost budget is the level of moderate relationship and the relationship form is negative linear. Key words : Road Damages Analysis, Flexible Pavement, Bina Marga and PCI Methods.

Upload: others

Post on 15-Oct-2021

22 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 83

PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN PAVEMENT CONDITION INDEX (PCI)

Siswanto1

Teknik Sipil, Sekolah Tinggi Teknologi Mandala Bandung

Abstrak

Analisis penelitian ini menggunakan dua metode yaitu metode Bina Marga dan metode PCI (Pavement Condition Index) pada Perkerasan Lentur. Survei lapangan dilakukan di ruas Jalan Nasional Nagreg – Tasikmalaya. Tujuan penelitian adalah untuk membandingkan hasil analisis terhadap tingkat kerusakan jalan dengan menggunakan dua metode dan menganalisis korelasi nilai Bina Marga dan PCI dengan anggaran biaya penanganan preservasi jalan pada ruas jalan tersebut. Penelitian ini dilakukan dengan survei visual, jenis kerusakan, tingkat kerusakan, pengukuran kerusakan permukaan perkerasan, dan survei LHR (Lalu Lintas Harian RataRata) dibandingkan dengan data LHR IRMS pada ruas jalan. Hasil yang diperoleh dari penelitian ini yaitu kerusakan retak kulit buaya (alligator cracking) = 3,30%, retak blok atau acak (block cracking) = 0,39%, retak memanjang (edge cracking) = 1,19%, amblas (depression) = 0,60%, lubang (potholes) = 1,06%, tambalan (patching) = 1,33%, dan alur (rutting) = 0,20%. Analisis menggunakan metode Bina Marga diperoleh nilai Urutan Prioritas (UP) = 5,15. Analisis menggunakan metode PCI diperoleh nilai tingkat kerusakan sebesar 68,10. Hasil dari kedua Metode dapat direkomendasikan dalam penanganan preservasi jalan yaitu pemeliharaan berkala dengan anggaran biaya sebesar Rp 188.232.000,00/Km. Analisis regresi linier dengan program SPSS antara nilai metode Bina Marga dan anggaran biaya didapat koefisien determinasi sebesar 0,12 dan koefisien korelasi sebesar 0,35, didapat persamaan Y = 21,034 – 0,357 X.. Analisis regresi linier antara nilai metode PCI dan anggaran biaya didapat koefisien determinasi sebesar 0,20 dan koefisien korelasi sebesar 0,45, dan persamaan Y = 32.548 – 0,454 X. Hubungan antara kedua metode dengan anggaran biaya yaitu tingkat hubungan cukup atau sedang dan bentuk hubungannya adalah linier negatif. Kata kunci : Analisis kerusakan jalan, Perkerasan Lentur, Metode Bina Marga, Metode PCI.

Abstract

The analysis of this research uses two methods, Bina Marga method and PCI (Pavement Condition Index) method at Flexible Pavement. The field survey was conducted on the segment of Nagreg - Tasikmalaya National Road. The objective of the study was to compare the results of the analysis on the level of road damage using two methods and to analyze the correlation value of Bina Marga and PCI with the budget of handling of road preservation on the road. The study was conducted by visual surveys, types of damage, level of damage, measurement of pavement surface damage, and ADT (Average Daily Traffic) surveys compared to IRMS ADT data on roads. The results obtained from this study are the damage of alligator cracking = 3.30%, block cracking = 0.39%, edge cracking = 1.19%, depression = 0.60%, potholes = 1.06%, patching = 1.33%, and rutting = 0.20%. The analysis using Bina Marga method obtained the Priority Order (UP) = 5.15. Analysis using PCI method obtained value of damage level equal to 68.10. The results of both methods can be recommended in the handling of road preservation that is periodic maintenance with a budget of IDR.188,232,000.00/Km. Linear regression analysis with SPSS program between value of Bina Marga method and cost budget obtained coefficient of determination equal to 0.12 and correlation coefficient 0.35, and equation Y = 21,034 – 0,357 X. Linear regression analysis between PCI method and cost budget obtained coefficient determination of 0.20 and correlation coefficient of 0.45, and equation Y = 32.548 – 0,454 X. The relationship between the two methods with the cost budget is the level of moderate relationship and the relationship form is negative linear. Key words : Road Damages Analysis, Flexible Pavement, Bina Marga and PCI Methods.

Page 2: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 84

1. PENDAHULUAN Ruas Jalan Nagreg – Tasikmalaya merupakan Jalan Nasional ke jalur selatan yang memiliki peranan penting yang menghubungkan kota Bandung sebagai ibu kota Jawa Barat ke kota Tasikmalaya dan Banjar selanjutnya ke arah perbatasan Jawa Tengah, yang sangat padat lalu lintasnya dengan adanya peningkatan volume lalu lintas pada ruas jalan tersebut dari tahun ketahun, yang mengakibatkan beberapa kerusakan seperti retak-retak, gelombang, ataupun aus pada jalan tersebut, sehingga tingkat pelayanan dan kenyamanan bagi pemakai jalan menjadi menurun. Agar ruas jalan tersebut mempunyai kemampuan pelayanan secara mantap, lancar, aman, nyaman dan berdaya guna, perlu diadakan upaya perbaikan dengan cara penanganan kerusakan jalan yang ada. Dalam usaha penanganan kerusakan jalan diperlukan suatu penelitian kondisi suatu jalan di lokasi tersebut untuk mengetahui kondisi perkerasan.

1.2 Studi Pustaka Struktur Perkerasan Jalan

Perkerasan Jalan adalah suatu lapisan yang bersifat stabil dibangun diatas lapisan tanah dasar yang berfungsi untuk mendistribusikan beban yang berasal dari roda kendaraan ke lapisan tanah dasar yang berada dibawahnya. Adapun proses pendistribusi bebannya adalah ketika beban diberikan diatas permukaan perkerasan maka beban tersebut akan menyebar membentuk suatu tegangan yang kemudian akan diteruskan dan disebar ke lapisan dibawahnya hingga mencapai tanah dasar seperti yang terlihat pada Gambar 2.1.

Gambar 2.1. Struktur Perkerasan Lentur dan

Perkerasan Kaku dan Distribusi Pembebanan (Sumber : Steve Muench, 2003)

Perkerasan Jalan Lentur Pada saat tanah dibebani, maka

beban akan menyebar ke dalam tanah dengan bentuk tegangan tanah. Tegangan ini menyebar sedemikian rupa sehingga dapat menyebabkan lendutan dan akhirnya keruntuhan. Berdasarkan karakteristik menahan dan menditribusikan beban, maka perkerasan dapat dibagi atas Perkerasan Lentur (Flexible Pavement) dan Perkerasan Kaku (Rigid Pavement).

Perkerasan Lentur umumnya terdiri dari beberapa lapis perkerasan dan menggunakan aspal sebagai bahan pengikat. Sedangkan Perkerasan Kaku umumnya hanya terdiri dari satu lapis dan menggunakan semen (Portland cement) sebagai bahan pengikat. Secara sistimatik bentuk lapisan Perkerasan Lentur dan Perkerasan Kaku dapat dilihat pada Gambar 2.1. diatas.

2. METODE PENELITIAN 2.1 Metode Bina Marga

Salah satu metode yang digunakan untuk menganalisis nilai kondisi jalan adalah metode Bina Marga yang dikeluarkan oleh Direktorat Jenderal Bina Marga No. 018/T/BNKT/1990.Adapun langkah-langkah untuk memperoleh nilai kondisi

Page 3: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 85

jalan yang dijelaskan dalam metode ini adalah sebagai berikut:

Menetapkan nilai kelas jalan pada ruas jalan yang menjadi lokasi kegiatan penelitian dengan mendapatkan terlebih dahulu data Lalu lintas Harian Rata-rata (LHR) pada ruas jalan tersebut. Adapun penentuan nilai kelas jalan berdasarkan data LHR dapat dilihat pada Tabel 2.1. Tabel LHR dan Nilai Kelas Jalan.

Tabel 2.1. Tabel LHR dan Nilai Kelas Jalan LHR (smp/hari) Nilai

< 20 Kelas 0

20 – 50 1

50 – 200 2

200 – 500 3

500 – 2000 4

2000 – 5000 5

5000 – 20.000 6

20.000 – 50.000 7

> 50.000 8

Sumber: Tata Cara Penyusunan Program Pemeliharaan Jalan Kota,(Bina Marga, 1990)

Tabelkan hasil survei dan kelompokkan data sesuai dengan jenis kerusakannya; kekasaran permukaan, lubang-lubang, tambalan, retakretak, alur, dan amblas.

Menghitung parameter dan melakukan penilaian terhadap setiap jenis kerusakan berdasarkan Tabel 2.2. Penentuan Angka Kondisi Berdasarkan Jenis Kerusakan Tabel 2.2 Penentuan Angka Kondisi

Berdasarkan Jenis Kerusakan Retak-retak (Cracking)

Tipe Angka

Buaya 5

Acak 4

Melintang 3

Memanjang 1

Tidak Ada 1 Lebar Angka

> 2 3

1mm – 2 2

mm< 1 1

Tidak mmada 0 Luas Kerusakan Angka

> 30% 3

10% - 30% 2

< 10% 1

Tidak ada 0

Alur Kedalaman Angka

> 20 7

mm11 – 20 5

6 –mm 10 3

0mm – 5 1

Tidak adamm 0

Tambalan dan Lubang Luas Angka

> 30% 3

20 – 30% 2

10 – 20% 1

< 10% 0

Kekasaran Permukaan Jenis Angka

Disintegration 4

Pelepasan Butir 3

Rough 2

Fatty 1

Close Texture 0

Amblas

Angka

> 5/100 4

2 - 5m/100 2

0 – 2m/100 1

Tidak Adam 0

Jumlahkan setiap angka untuk semua jenis kerusakan dan menetapkan nilai kondisi jalan berdasarkan Tabel 2.3. Tabel 2.3. Penetapan Nilai Kondisi Jalan

berdasarkan Total Angka Kerusakan Total Nilai Kondisi Jalan

26Angka – 29 9

22 – 25 8

19 – 21 7

16 – 18 6

13 – 15 5

10 – 12 4

7 – 9 3

4 – 6 2

0 – 3 1

Page 4: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 86

Menghitung nilai prioritas kondisi jalan dengan menggunakan persamaan

Nilai Prioritas = 17- (Nilai Kelas Jalan + Nilai Kondisi Jalan)...…(2.1) Adapun penentuan program pemeliharaan jalan dapat dilihat pada nilai prioritas kondisi jalan di atas, dimana : Urutan prioritas 0-3, menandakan

bahwa jalan yang berada pada urutan prioritas ini dimasukkan ke dalam program Peningkatan.

Urutan prioritas 4-6, menandakan bahwa alan yang berada pada urutan prioritas ini dimasukkan ke dalam program Pemeliharaan Berkala.

Urutan prioritas ≥7, menandakan bahwa jalan yang berada pada urutan prioritas ini dimasukkan ke dalam program Pemeliharaan Rutin.

2.2 Metode PCI Pengertian Metode PCI

Metode PCI atau Metode ASTM D6433-07 adalah sistem penilaian kondisi perkerasan jalan berdasarkan jenis, tingkat dan kadar/luas kerusakan yang terjadi, dan dapat digunakan sebagai acuan dalam usaha pemeliharaan perkerasan jalan.

PCI merupakan indeks numerik yang bernilai antara 0 (nol) untuk kondisi perkerasan sangat rusak (failed) sampai 100 (seratus) untuk kondisi baik sempurna

(good), dengan kriteria sangat baik (satisfactory), sedang (fair), jelek (poor), sangat jelek (very poor), Sangat Jelek Sekali (serious) dan gagal (failed).

Nilai PCI dapat dilihat pada Tabel 2.4. Hubungan antara Nilai PCI dan Kondisi Jalan sebagai berikut :

Tabel 2.4. Hubungan antara Nilai PCI dan

Kondisi Jalan Sumber : ASTM D6233-07 (Shahin, 1994)

2.3 Penilaian Kondisi Perkerasan Nilai pengurang (Deduct Value)

Nilai Pengurang (deduct value) adalah suatu nilai pengurang untuk setiap jenis kerusakan jalan yang diperoleh dari kurva hubungan kerapatan (Density) dan tingkat kerapatan (Serverity level) Kerusakan. Deduct value dapat dicari dengan memasukkan persentase density pada masing-masing jenis kerusakan kemudian menarik garis vertikal sampai memotong pada tingkat kerusakan (low, medium, high), selanjutnya pada perpotongan tersebut ditarik garis horisontal dan akan didapat Deduct Value. (Sumber : ASTM D 6233-07, Shahin, 1994)

Contoh kurva nilai pengurangan / deduct value untuk jenis kerusakan retak buaya (Alligator)

Nilai PCI Kondisi Jalan

0-10 Gagal (failed)

11-25 Sangat Jelek Sekali

(serious) 26-40 Jelek Sekali (very poor)

41-55 Jelek (poor)

56-70 Sedang (fair)

71-85 Sangat Baik (satisfactory)

86-100 Sempurna (good)

Page 5: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 87

Kerapatan (Density) Kerapatan (density) adalah presentasi

luas (Cracking) ditunjukkan dalam Gambar 2.2. Kurva atau panjang total dari satu jenis kerusakan terhadap luas atau panjang total bagian jalan yang diukur, bisa dalam m2 atau dalam meter persegi atau meter panjang. (Sumber ASTM D6322-07,Shahin,1994).

Kerapatan (density)(%) : Ad/As x100………...( 2-2) atau Kerapatan(density)(%): Ld/As x100.………..( 2-3) dengan: Ad : Luas total dari satu jenis perkerasan untuk setiap tingkat keparahan kerusakan (m2) Ld : Panjang total jenis kerusakan untuk tiap tingkat keparahan kerusakan (m2) As : Luas total unit sampel (m2).

Nilai Pengurang Total (Total

Deduct Value, TDV) Nilai pengurang total atau TDV

adalah jumlah total dari nilai pengurang (deduct value) yang dipakai sebagai jenis faktor pemberat yang telah di indikasikan derajat pengaruh kombinasi tiap jenis kerusakan, dan tingkat keparahan

kerusakan yang ada pada masing-masing unit penelitian. Nilai Pengurang Terkoreksi

(Corrected Deduct Value) Nilai pengurang terkoreksi atau

CDV diperoleh dari kurva hubungan antara nilai pengurang total (TDV) dan nilai pengurangan (DV) dengan memilih kurva yang sesuai. Jika nilai TDV diketahui, kita dapat mencari Gambar 2.3 Kurva Penentuan Nilai Pengurang Terkoreksi (CDV) 5. Nilai PCI. Jika nilai CDV telah diketahui, maka nilai PCI untuk setiap unit sampel dapat dihitung dengan menggunakan persamaan: (Sumber ASTM D 6433,07)

PCIs : 100 – DV.………(2-4) PCIs : Pavement Condition Index untuk setiap unit sampel atau unit penelitian, CDV : Corrected Deduct Value untuk setiap unit sampel. Nilai PCI perkerasan secara keseluruhan pada ruas jalan tertentu adalah:

PCIr = PCLs/N…….(2-5) PCIr : Nilai PCI rata-rata dari seluruh area penelitian PCLs : Nilai PCI untuk setiap unit sampel N : Jumlah unit sampel

Penentuan Deduct Value untuk Retak Buaya :

Gambar 2.2. Kurva Penentuan Deduct Value

untuk Retak uaya ( Sumber ASTM D 6433,07, Shahin, 1994)

corrected deduct value ( CDV), dengan memilih kurva yang sesuai. Jika nilai TDV diketahui, kita dapat mencari corrected deduct value ( CDV) dengan menggunakan

Gambar 2.3 Kurva Penentuan Nilai Pengurang Terkoreksi (CDV) :

Page 6: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 88

3. HASIL DAN PEMBAHASAN 3.1 Analisis Data Lalu-lintas Harian Rata-rata (LHR)

Ruas jalan Tasikmalaya KM.BDG.100+400 – 102+400 merupakan Jalan Arteri Primer dengan kelas jalan I, melayani arus lalu lintas 2 arah, dan nilai LHR antara hasil survei dilapangan sebesar 16.479 smp/hari, data IRMS tahun 2013 sebesar 17.812 smp/hari dan tahun 2016 sebesar 14.500 smp/hari, diambil nilai hasil survei sebesar 16.479 smp/hari. Survei visual kondisi permukaan perkerasan jalan dilakukan dengan pembagian segmen per 50 meter/sampel unit dengan panjang jalan 2.000 meter dan lebar jalan 7.00 meter, sehingga jumlah sampel unit terdiri dari 40 buah. Posisi stasioning awal 0+000 sd. 2+000 posisi stasioning akhir. 3.2 Metode Bina Marga

Nilai LHR ruas jalan Tasikmalaya sebesar 16.479 smp/hari, sehingga menurut Tabel 2.1. Tabel LHR dan Nilai Kelas Jalan didapat Nilai Kelas Jalan 6.

Perhitungan angka kerusakan untuk kerusakan kelompok kekasaran permukaan, lubang dan tambalan, serta deformasi plastis didasarkan pada jenis kerusakan saja. Sedangkan untuk jenis kerusakan retak angka kerusakan dipertimbangkan dari jenis retak, lebar retak, dan luas kerusakannya, dimana untuk nilai kelompok retak digunakan adalah angka terbesar dari ketiga komponen diatas. Untuk alur angka kerusakan didasarkan pada besar kedalaman alur yang terjadi, sedangkan untuk amblas angka kerusakan didasarkan pada panjang amblas per 100 meter, penetapan angka kondisi menurut Tabel 2.2. Penentuan Angka Kondisi Berdasarkan Jenis Kerusakan, contoh analisis Sampel

Unit 01 pada Tabel 4.1. Penentuan Angka Kerusakan, sebagai berikut :

Nilai Kondisi Jalan ditetapkan berdasarkan Tabel 2.3. Penetapan Nilai Kondisi Jalan, didapat Angka Kerusakan sebesar 21, maka Nilai Kondisi Jalan yaitu 7.

Menghitung Nilai Prioritas Kondisi Jalan dengan menggunakan persamaan

Nilai Prioritas = 17– (Nilai Kelas Jalan Nilai Kondisi Jalan)

Nilai Prioritas = 17 – (6 + 7) = 4 Urutan Prioritas 4 – 6, menandakan bahwa jalan perlu dimasukkan dalam program Pemeliharaan Berkala.

Untuk semua nilai Penentuan Angka Kerusakan pada Sampel Unit 01 (satu) tersebut digunakan dalam perhitungan Sampel Unit berikutnya, seperti di Tabel 4.2 sebagai berikut :

3.3 Metode Pavement Condition

Index (PCI)

Menghitung Nilai Density : (Contoh Sampel Unit 01) Jenis Kerusakan (Distress Severity)

Retak Kulit Buaya (Alligator Cracking) Sesuai dengan di Lampiran 1 Gambar 1. Retak Kulit Buaya Density = Ad/As x 100 % = 29/350 x 100 % = 8.29 %, menurut Data Survei Tabel 4.3 sebagai berikut:

Tabel 4.3 Data Survei Jenis Kerusakan Metode PCI (Contoh Sampel Unit 01)

Sumber : Analisis Data

Page 7: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 89

Menghitung Deduct Value (DV) : Dari Nilai Density 8,29 % dengan

Gambar 4.1 Kurva Deduct Value Jenis Kerusakan Alligator Cracking, diplotkan pada sumbu x dan kemudian ditarik garis vertikal mengarah pada kurva dengan L, lalu ditarik mendatar ke sumbu y untuk mendapatkan nilai deduct value yaitu 32.

Gambar 4.1 Kurva Deduct Value Jenis

Kerusakan Alligator Cracking

Menghitung Maximum Allowable Number of Deduct (m) :

m = 1 + (9/98)*(100 – Max. DV) m = 1 + (9/98)*(100 – 32) = 7,24 ≈ 7 Dikarenakan jumlah deduct value (DV) yang nilainya lebih besar dari 2 (6 buah) jumlahnya lebih kecil dari nilai m = 7, maka semua nilai deduct value Sampel Unit 01 (satu) tersebut digunakan dalam perhitungan berikutnya.

Menghitung Maximum Corrected

Deduct Value (Max. CDV) : Perhitungan Max. CDV dihasilkan dari perhitungan DV dari sampel unit yang nilainya > 2. Nilai DV diurutkan dari

yang terbesar ke yang terkecil, dan Nilai total didapatkan dari jumlah keseluruhan dari DV pada masing-masing baris. Kemudian dari baris pertama ke baris kedua nilai q = 1, dengan ketentuan mengganti nilai satu DV yang nilainya > 2 diubah nilainya menjadi 2 pada Nilai DV paling kiri. Tahap perhitungan iterasi 6 (enam) kali ini diulangi terus sampai didapatkan q = 1, seperti pada Tabel 4.4 sebagai berikut : Tabel 4.4 Nilai Corrected Deduct Value (CDV) Sample Unit 01 (satu)

Sumber : Analisis data Nilai CDV dapat dihasilkan dari kurva dengan menghubungkan nilai Total dengan nilai q.

Gambar 4.2 Kurva Corrected Deduct

Value (CDV)

Nilai Total Deduct Value (TDV) terbesar 66 diplotkan pada sumbu x dan kemudian ditarik garis vertikal mengarah pada kurva dengan q = 6, lalu ditarik mendatar ke sumbu y untuk mendapatkan nilai CDV yaitu 30.

Menghitung Nilai PCI Sampel Unit satu: PCI = 100 - Max. CDV (Sumber : ASTM D 6322, 07, Shahin, 1994)

PCI = 100 - 42 = 58 Nilai ‘58’ ini menyatakan bahwa kondisi perkerasan pada Sampel Unit 01 (satu) adalah Sedang (fair), rekapitulasi perhitungan seperti Tabel 4.5. 3.4 Pembahasan Berdasarkan hasil evaluasi kondisi ruas Jalan Nagreg – Tasikmalaya

No Deduct Values Total q CDV

1 32 9 8 8 5 4 66 6 30

2 32 9 8 8 5 2 64 5 36

3 32 9 8 8 2 2 61 4 36

4 32 9 8 2 2 2 55 3 36

5 32 9 2 2 2 2 49 2 36

6 32 2 2 2 2 2 42 1 42

Page 8: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 90

KM.BDG. 104+400 sd. 106+400 (Sta. 0+000 – 2+00) yang dilakukan dengan menggunakan metode Bina Marga nilai Urutan Prioritas (UP) rata-rata 5,15 menandakan bahwa jalan yang berada pada urutan prioritas ini dimasukkan ke dalam program Pemeliharaan Berkala. Sedangkan dengan Metode PCI Nilai Indeks Kondisi Perkerasan adalah nilai rata-rata 68,10 dengan kondisi Sedang (fair), dengan program penanganan Periodic Maintenance (Pemeliharaan Berkala). (Sumber : ASTM D 6322, 07, Shahin, 1994) Untuk mempertahankan mutu layanan dan umur rencana, sebaiknya perkerasan jalan tersebut tidak cepat mencapai tingkat kerusakan yang lebih parah maka perlu dilakukan perbaikan dan pemeliharaan sehingga minimal masuk dalam kondisi Baik (good). Penanganan Prioritas Kerusakan

Berdasarkan jenis kerusakan yang ada pada ruas jalan Nagreg – Tasikmalaya maka dilakukan penanganan sesuai dengan Standar Penanganan Bina Marga 1985, Standar penanganan kerusakan perkerasan jalan meliputi: Penebaran Pasir (P1) Laburan Aspal Setempat (P2) Melapisi Retakan (P3) Mengisi Retakan (P4) Penambalan Lubang (P5) Perataan (P6)

Berdasarkan jenis kerusakan yang ada pada ruas jalan Nagreg – Tasikmalaya maka dilakukan penanganan sesuai dengan Standar Penanganan Bina Marga 1985, seperti ditampilkan pada Tabel 4.6 sebagai berikut :

Analisis Anggaran Biaya Penanganan Kerusakan Jalan

Analisis Anggaran Biaya akan diperoleh besarnya nilai anggaran biaya pemeliharaan jalan mengacu pada Harga Satuan (Unit Price) yang diperoleh dari PUPR Bina Marga Provinsi Jawa Barat, dan sesuai dengan jenis dan tingkat kerusakan jalan, sesuai dengan skala prioritas penanganan kerusakan pada jalan Perkerasan Lentur, dengan Anggaran Biaya APBN. Analisis Anggaran Biaya dengan Metode Bina Marga dan PCI pada ruas jalan tersebut dengan rekomendasi penanganan relative sama, karena jenis Kerusakan permukaan jalan tidak jauh berbeda. Sebagai contoh perhitungan sampel unit 01 (satu) jenis kerusakan Patching dengan penanganan P4 (Cold Milling Aspal, Tack Coat, Prime Coat, ACBC, AC-WC) dengan kuantiti 19 m2, seperti pada Tabel 4.7 sebagai berikut : Tabel 4.7 Perhitungan Kerusakan Patching

pada Sampel Unit 01 Item

Pekerja

an

Kuantitas Harga Satuan (Rp.)

Jumlah Harga

(Rp.)

Cold Milling Aspal

(19x0.10)

m3 205.450,

309.355,

Prime Coat

(19x1.0) liter

12.684

204.996,

Tack Coat

(19x0.40) liter

12.428

94.452

AC-BC (19x0.06x2 .23) ton

1.208.745

3.072.871,54

AC-WC (19x0.04x2 .30) ton

1.326.307

2.318.384,64

Total Rp.

6.117.059,98

Sumber : Analisis data

Rekapitulasi Perhitungan Anggaran Biaya Penanganan Kerusakan Jalan seperti pada Tabel 4.8 sebagai berikut :

Page 9: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 91

Tabel 4.8 Rekapitulasi Anggaran Biaya

Sumber : Analisis data - Anggaran Biaya Rp.376,464,000.00 untuk panjang jalan 2.00 Km, - Jadi Rp. 188,232,000.00/1.00 Km. Korelasi Nilai Metode Bina Marga

dengan Anggaran Biaya Untuk menghitung Koefisien

Korelasi menggunakan rumus Pearson sebagai berikut:

Penanganan Kerusakan Jalan

dimana : n : Banyaknya pasangan data X (BM) dan Y(anggaran biaya) ∑ x : Jumlah total Variabel BM

∑ y : Jumlah total Variabel anggaran biaya ∑ x2 : Kuadrat dari Jumlah total Variabel BM ∑ y2 : Kuadrat dari Jumlah total Variabel anggaran biaya ∑xy : Hasil perkalian dari jumlah total variabel BM dan anggaran biaya

Tabel 4.9 Analisis Perhitungan Koefisien

r = (40x1871791105,03) – (206x376464000,00) √(40*(1090) – (206)2) x √(40*(4792344918267680) – (376464000)2)

Item Uraian Satuan Perkiraan Harga Satuan

Jumlah Ha

Pembayaran Kuantitas (Rupiah) (Rupiah

a b c d e f= (dxe

Divisi 3 PEKERJAAN TANAH

3.1 (8) Galian Perkerasan Beraspal Tanpa Cold Milling Machine

M3 184.04

205,450.00

37,810,

Sub Jumlah Divisi 3

37,810,

Divisi 5 PERKERASAN BERBUTIR

5.1.(1) Lapis Pondasi Agregat Kelas A

M3 110.42

391,175.00

43,194,

Sub Jumlah Divisi 5

43,194,

Divisi 6 PERKERASAN ASPAL

6.1(1b) Lapis Resap Pengikat

Liter 736.15

12,684.00

9,337,

6.1(2a) Lapis Perekat Liter 469.06

12,428.00

5,829,

6.3.(5a) Laston Lapis Atas (AC-WC)

Ton 67.73

1,326,307.00

89,825,

6.3.(5b) Laston Lapis Bawah (AC-BC)

Ton 98.50

1,208,745.00

119,057,59

6.8.(1) Latasir (Sand Sheet)

Ton 28.81

1,290,766.00

37,185,

Sub Jumlah Divisi 6

261,235,28

(A) JUMLAH HARGA PEKERJAAN (KESELURUHAN)

342,240,30

(B) PAJAK PERTAMBAHAN NILAI (PPn) = 10 % x (A)

34,224,

(C)TOTAL BIAYA PEKERJAAN = (A) + (B)

376,464,34

(D) TOTAL BIAYA PEMBULATAN

376,464,00

Sampel Unit

X (BM) Y (Anggaran Biaya)

XY X^2 Y^2

1 4 21,121,795.38

84,487,181.54

16.00

446,130,240,244,699.00

2 4 33,570,853.57

134,283,414.29

16.00

1,127,002,209,585,640.00

3 4 19,521,659.37

78,086,637.48

16.00

381,095,184,561,645.00

4 5 19,681,672.97

98,408,364.86

25.00

387,368,250,956,270.00

5 5 16,081,366.94

80,406,834.70

25.00

258,610,362,662,507.00

6 6 13,281,128.92

79,686,773.49

36.00

176,388,385,275,811.00

7 6 8,480,720.87

50,884,325.24

36.00

71,922,626,540,826.40

8 6 9,120,775.28

54,724,651.68

36.00

83,188,541,698,520.80

9 6 10,240,870.49

61,445,222.94

36.00

104,875,428,377,082.00

10 5 9,280,788.88

46,403,944.40

25.00

86,133,042,251,100.00

11 5 8,960,761.68

44,803,808.39

25.00

80,295,249,851,203.80

12 4 11,520,979.30

46,083,917.20

16.00

132,732,964,039,745.00

13 7 8,640,734.48

60,485,141.33

49.00

74,662,292,272,356.60

14 6 10,560,897.69

63,365,386.15

36.00

111,532,560,061,175.00

15 5 4,160,353.64

20,801,768.18

25.00

17,308,542,378,639.60

16 4 8,000,680.07

32,002,720.28

16.00

64,010,881,577,809.10

17 5 10,240,870.49

51,204,352.45

25.00

104,875,428,377,082.00

18 6 9,280,788.88

55,684,733.29

36.00

86,133,042,251,100.00

19 6 5,760,489.65

34,562,937.90

36.00

33,183,241,009,936.30

20 5 7,040,598.46

35,202,992.31

25.00

49,570,026,693,855.40

21 4 9,920,843.29

39,683,373.15

16.00

98,423,131,514,039.30

22 4 9,920,843.29

39,683,373.15

16.00

98,423,131,514,039.30

23 6 5,760,489.65

34,562,937.90

36.00

33,183,241,009,936.30

24 7 4,480,380.84

31,362,665.87

49.00

20,073,812,462,800.90

25 5 7,360,625.66

36,803,128.32

25.00

54,178,810,167,457.60

26 5 6,080,516.85

30,402,584.26

25.00

36,972,685,199,342.60

27 5 8,000,680.07

40,003,400.35

25.00

64,010,881,577,809.10

28 5 8,000,680.07

40,003,400.35

25.00

64,010,881,577,809.10

29 5 3,904,331.87

19,521,659.37

25.00

15,243,807,382,465.80

30 6 7,040,598.46

42,243,590.77

36.00

49,570,026,693,855.40

31 5 6,080,516.85

30,402,584.26

25.00

36,972,685,199,342.60

32 4 6,400,544.06

25,602,176.22

16.00

40,966,964,209,797.80

33 4 7,520,639.27

30,082,557.06

16.00

56,560,014,962,152.20

34 4 6,080,516.85

24,322,067.41

16.00

36,972,685,199,342.60

35 6 5,760,489.65

34,562,937.90

36.00

33,183,241,009,936.30

36 5 5,120,435.24

25,602,176.22

25.00

26,218,857,094,270.60

37 6 5,760,489.65

34,562,937.90

36.00

33,183,241,009,936.30

38 6 5,760,489.65

34,562,937.90

36.00

33,183,241,009,936.30

39 5 6,480,550.86

32,402,754.28

25.00

41,997,539,403,200.60

40 5 6,480,550.86

32,402,754.28

25.00

41,997,539,403,200.60

JUMLAH 206.00

376,464,000.00

1,871,791,105.03

1,090.00

4,792,344,918,267,680.00

Page 10: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 92

- 2679939798,87 = 7626500678,42 = - 0,35

Kontrol dengan analisis Statistik menggunakan software SPSS untuk mencari nilai Regresi dan Koefisien Korelasi antara nilai Bina Marga dan Anggaran Biaya seperti Tabel 4.8, sebagai berikut :

Tabel 4.10 Analisis SPSS Nilai Korelasi dan Regresi Metode Bina Marga dan Anggaran

Biaya

Correlations

*. Correlation is significant at the 0.05 level (2- tailed).

Regression Descriptive Statistics

Model Summaryb

Predictors: (Constant), Bina Marga Dependent Variable: Anggaran Biaya

Didapat persamaan Y = 21,034 – 0,357X

Hasil analisis Regresi Linier antara nilai Bina Marga dan Anggaran Biaya, dapat dilihat pada Gambar 4.3 sebagai berikut :

Gambar 4.3 Grafik Regresi Linier Nilai Bina Marga dengan Anggaran Biaya

Berdasarkan perhitungan diatas maka koefisien korelasi antara nilai Metode Bina Marga dengan Anggaran Biaya adalah – 0,35, berarti terdapat hubungan antara nilai Bina hubungannya adalah Linier Negatif. Korelasi Nilai Metode PCI dengan

Anggaran Biaya Untuk menghitung Koefisien Korelasi menggunakan rumus Pearson sebagai berikut:

Tabel 4.11 Analisis Perhitungan Koefisien Korelasi Metode PCI

Sampel Unit

X (PCI) Y (Anggaran Biaya)

XY X^2 Y^2

1 58 21,121,795.38

1,225,064,132.27 3,364.00 446,130,240,244,699

2 68 33,570,853.57

2,282,818,042.93 4,624.00 1,127,002,209,585,640

3 56 19,521,659.37

1,093,212,924.72 3,136.00 381,095,184,561,645

Anggaran Biaya

Bina Marga

Anggaran Biaya

Pearson Correlation

1

-.357*

Sig. (2tailed) .024

N 40 40

Bina Marga Pearson Correlation

-.357*

1

Sig. (2tailed)

.024

N 40 40

Mean

Std.

Deviati

on N

Anggaran

Biaya 9.0000

5.6613

9 40

PCI 69.7000

7.6097

1 40

Model R

R

Square Adjusted

R Square

Std.

Error of

the

Estimate

Dur

bin-

Wat

son

1 .357a

.127 .104

5.35

8 .58

6

Standardize

Model

Unstandardized

Coefficients d

Coefficients

t Sig.

Correlations

B Std.

Error Beta Zero-

order Partial Part

1 (Constant) 21.034 5.185 4.057 .000

Bina

Marga -2.337 .993 -.357 -

2.352 .024 -.357 -.357 -

.357

Page 11: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 93

4 56 19,681,672.97

1,102,173,686.40 3,136.00 387,368,250,956,270

5 65 16,081,366.94

1,045,288,851.11 4,225.00 258,610,362,662,507

6 60 13,281,128.92

796,867,734.94 3,600.00 176,388,385,275,811

7 60 8,480,720.87

508,843,252.43 3,600.00 71,922,626,540,826

8 66 9,120,775.28

601,971,168.44 4,356.00 83,188,541,698,520

9 56 10,240,870.49

573,488,747.40 3,136.00 104,875,428,377,082

10 78 9,280,788.88

723,901,532.71 6,084.00 86,133,042,251,100

11 80 8,960,761.68

716,860,934.25 6,400.00 80,295,249,851,203

12 78 11,520,979.30

898,636,385.43 6,084.00 132,732,964,039,745

13 8,640,734.4

8 656,695,820.12

5,776.00

14 72 10,560,897.69

760,384,633.82 5,184.00 111,532,560,061,175

15 82 4,160,353.64

341,148,998.17 6,724.00 17,308,542,378,639

16 68 8,000,680.07

544,046,244.74 4,624.00 64,010,881,577,809

17 66 10,240,870.49

675,897,452.29 4,356.00 104,875,428,377,082

18 60 9,280,788.88

556,847,332.85 3,600.00 86,133,042,251,100

19 77 5,760,489.65

443,557,703.06 5,929.00 33,183,241,009,936

20 78 7,040,598.46

549,166,679.98 6,084.00 49,570,026,693,855

21 76 9,920,843.29

753,984,089.77 5,776.00 98,423,131,514,039

22 64 9,920,843.29

634,933,970.33 4,096.00 98,423,131,514,039

23 64 5,760,489.65

368,671,337.61 4,096.00 33,183,241,009,936

24 64 4,480,380.84

286,744,373.70 4,096.00 20,073,812,462,800

25 60 7,360,625.66

441,637,539.85 3,600.00 54,178,810,167,457

26 74 6,080,516.85

449,958,247.12 5,476.00 36,972,685,199,342

27 74 8,000,680.07

592,050,325.16 5,476.00 64,010,881,577,809

28 66 8,000,680.07

528,044,884.60 4,356.00 64,010,881,577,809

29 78 3,904,331.87

304,537,886.17 6,084.00 15,243,807,382,465

30 72 7,040,598.46

506,923,089.22 5,184.00 49,570,026,693,855

31 84 6,080,516.85

510,763,415.65 7,056.00 36,972,685,199,342

32 72 6,400,544.06

460,839,172.02 5,184.00 40,966,964,209,797

33 74 7,520,639.27

556,527,305.65 5,476.00 56,560,014,962,152

34 6,080,516.8

5 437,797,213.41

5,184.00

35 5,760,489.65

426,276,234.11 5,476.00

76 5,120,435.24 389,153,078.59

5,776.00 26,218,857,094,27

0

5,760,489.6

5

414,755,254.81 5,184.00

38 72 5,760,489.6

5

414,755,254.81

5,184.00 33,183,241,009,93

6

39 70 6,480,550.8

6

453,638,559.95 4,900.00 41,997,539,403,20

0

40 70 6,480,550.86

453,638,559.95 4,900.00 41,997,539,403,200

JUMLAH

2,788.00

376,464,000.00

25,482,502,050.58 196,582.00 4,792,344,918,267,680

Sumber : Analisis Data r = (40 x 25482502050,58) – (2788 x 376464000) √(40*(196582)–(2788)2) x(40*(4792344918267680)-(376464000)2) =- 30281549976,79 67186072043,83 = - 0,45

Kontrol dengan analisis Statistik menggunakan software SPSS untuk mencari nilai Regresi dan Koefisien Korelasi antara nilai PCI dan Anggaran Biaya, sebagai berikut : Tabel 4.12 Analisis SPSS Nilai Korelasi dan

Regresi Metode PCI dan Anggaran Biaya Regression Descriptive Statistics

Correlations

Angg aran

Biay a PCI

Pearson Correlation

Anggaran Biaya 1.00 0

- .45

4

PCI -.454 1.0 00

Sig. (1tailed)

Anggaran Biaya

.00 2

PCI .002

N Anggaran Biaya 40 40

PCI 40 40

Model

Unstandardized Coefficients

Standar dized

Coeffici ents

t Sig. B Std. Error Beta

1 (Cons tant) 32.548 7.538 4.318

.00 0

PCI -.338 .108 -.454

- 3.142

.00 3

Diperoleh persamaan Y= 32.548–0,454 x Hasil analisis Regresi Linier antara nilai PCI dan Anggaran Biaya, dapat dilihat pada Gambar 4.4 sebagai berikut :

Mean Std. Deviation

N

Anggaran Biaya 9.0000 5.66139 40

PCI 69.7000 7.60971 40

Page 12: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 94

Gambar 4.4 Grafik Regresi Linier Nilai PCI

dengan Anggaran Biaya

Berdasarkan perhitungan diatas maka koefisien korelasi antara nilai Metode PCI dengan Anggaran Biaya adalah – 0,45, berarti terdapat hubungan antara nilai Bina Marga dengan Anggaran Biaya dengan tingkat hubungan cukup baik dan bentuk hubungannya adalah Linier Negatif. 4. KESIMPULAN DAN SARAN 4.1. Kesimpulan

Berdasarkan analisis data dan pembahasan yang telah dilakukan pada ruas Jalan Nagreg – Tasikmalaya KM.BDG. 104+400 - KM 106+400 (Sta. 0+000 – 2+000), sehingga beberapa hal yang dapat disimpulkan sebagai berikut:

Berdasarkan Hasil penilaian kondisi ruas jalan dengan metode Bina Marga dan metode PCI ternyata menghasilkan penilaian yang relatif sama, yaitu kondisi ruas jalan tersebut masih dalam kondisi sedang wajar namun memerlukan pemeliharaan dan perbaikan. Metode Bina Marga Nilai Urutan

Prioritas (UP) rata-rata 5,15 menandakan bahwa jalan yang berada pada urutan prioritas ini dimasukkan ke dalam program Pemeliharaan Berkala.

Metode PCI Nilai Indeks Kondisi Perkerasan adalah nilai rata-rata 68,10 dengan kondisi Sedang (fair), dengan penanganan Periodic Maintenance (Pemeliharaan Berkala).

Berdasarkan hasil penelitian dilapangan ditemukan jenis kerusakan menurut metode Bina Marga antara lain Retak (kulit buaya, memanjang, melintang, acak), pelepasan butir, kekurusan, kegemukan, lubang dan tambalan, alur, amblas, serta deformasi plastis (sungkur dan keriting). Sedangkan menurut PCI jenis kerusakan yaitu Retak Buaya (Alligator Cracking) (3,30%), Retak Blok (Block Cracking) (0,39 %), Retak Pinggir (Edge Cracking) (1,19%), Amblas (Depression) (0,60%), Edge Cracking (Retak pinggir), Tambalan dan utilitas (Patching & Utilitas Cut Patching) (1,33%), Lubang-lubang (Potholes) (1,06%), Alur (Rutting) (0,2%).

Jenis Pemeliharaan yang dapat dilakukan untuk prioritas penanganan perbaikan tingkat layanan jalan per 2 (dua) kilometer adalah P2 (Laburan aspal setempat), P4 (Mengisi retakan), P5 (Penambalan lubang), dan P6 (Perataan), sedangkan untuk jenis pekerjaan meliputi Latasir (Sand sheet) 436,50 m2, Galian Perkerasan Aspal (Cold Milling Machine) 184,00 m3, Lapis Resap Pengikat (Prime Coat) 736.15 liter, Lapis Perekat (Tack Coat) 469.06 liter, Agregat Kelas A 110,42 m3, AC-WC 67,73 ton, dan AC-BC 98,50 ton.

Untuk prioritas penanganan preservasi jalan pada ruas Jalan Nagreg – Tasikmalaya KM.BDG. 104+400 - KM 106+400 (Sta. 0+000 – 2+000) sepanjang 2.00 Km dengan Anggaran Biaya APBN, besarnya Anggaran Biaya untuk prioritas penanganan Pemeliharaan Berkala Kerusakan jalan adalah sebesar Rp. 376,464,000.00 untuk penanganan sepanjang 2.00 Km, jadi untuk penanganan dengan panjang 1.00 Km sebesar Rp. 188,232,000.00.

Berdasarkan hasil analisis Regresi Linier antara nilai metode Bina Marga dan Anggaran Biaya pada ruas jalan tersebut didapat Koefisien Determinasi sebesar 0,12 dan Koefisien Korelasi – 0,35, berarti terdapat

Page 13: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 95

hubungan antara nilai metode Bina Marga dengan Anggaran Biaya kedua variable dengan tingkat hubungan cukup/sedang dan bentuk hubungannya adalah Linier Negatif.

Berdasarkan hasil analisis Regresi Linier antara nilai metode PCI dan Anggaran Biaya didapat Koefisien Determinasi sebesar 0,20 dan Koefisien Korelasi – 0,45, berarti terdapat hubungan antara nilai metode PCI dengan Anggaran Biaya dengan tingkat hubungan cukup/sedang dan bentuk hubungannya adalah Linier Negatif.

Analisis regresi linier dengan program SPSS antara nilai metode Bina Marga dan anggaran biaya didapat koefisien determinasi sebesar 0,12 dan koefisien korelasi sebesar 0,35, didapat persamaan Y = 21,034 – 0,357X. Analisis regresi linier antara nilai metode PCI dan anggaran biaya didapat koefisien determinasi sebesar 0,20 dan koefisien korelasi sebesar 0,45, dan persamaan Y = 32.548 – 0,454X. Hubungan antara kedua metode dengan anggaran biaya yaitu tingkat hubungan cukup atau sedang dan bentuk hubungannya adalah linier negatif.

Metode Bina Marga, kelebihanya adalah faktor Lalu lintas Harian Rata-rata (LHR) yang melewati suatu ruas jalan yang ditinjau masuk dalam faktor pengaruh hasil Nilai Kondisi Jalan serta metode Bina Marga lebih cepat dalam perhitungan karena tidak banyak menggunakan kurva sesuai dengan jenis kerusakan. Kekurangnya ialah metode Bina Marga adalah kurang detail dan kurang teliti dalam penilaian karena hanya memasukan jenis kerusakan yang ada kedalam nilai kerusakan jalan dan tidak dilengkapi dengan Gambar atau foto jenis-jenis Kerusakan.

Metode PCI, kelebihanya adalah untuk proses analisis kerusakannya lebih detail dan hasilnya lebih teliti dengan menggunakan kurva sesuai dengan jenis kerusakan yang terjadi.

Kekurangan dari metode PCI adalah proses pengolahan data lebih lama karena harus memasukan setiap jenis kerusakan kedalam kurva, metode PCI tidak memasukkan faktor Lalu lintas Harian Rata-rata (LHR) yang dapat memberikan dampak kerusakan pada jalan Perkerasan Lentur pada ruas jalan yang ditinjau.

4.2 Saran

Sehubungan dengan penelitian ini disarankan yaitu untuk lebih meyakinkan jika metode PCI lebih baik dibandingkan metode Bina Marga, hendaknya memilih kondisi jalan yang lebih rusak dan lebih variatif kerusakannya, sehingga dibutuhkan perhitungan yang lebih mendalam untuk menentukan kondisi jalan dan jenis penanganan.

Berdasarkan hasil Analisis Tingkat Kerusakan Perkerasan Lentur dengan Metode Bina Marga dan PCI, direkomendasikan kepada pihak yang berwenang, untuk memberikan prioritas penanganan Ruas Jalan tersebut dengan program penanganan Pemeliharaan Berkala dengan Anggaran Biaya seperti tercantum diatas dimasukkan dalam Rencana Anggaran Biaya APBN, yaitu penanganan Peningkatan dan Pemeliharaan Jalan termasuk didalamnya, yang dilaksanakan dengan tujuan untuk mendapatkan kondisi jalan yang seragam yaitu jalan mantap dan standar (standar adalah sesuai dengan PERMEN PU No.19/PRT/M/2011)

Berdasarkan penelitian Principles of Pavement Preservation oleh Galehouse, Lary (FHWA, 2003) didapatkan hubungan antara Pavement Condition Index (PCI) dengan masa layan perkerasan dan biaya pemeliharaanya, dimana biaya pemeliharaan yang dilakukan pada masa kondisi perkerasan dibawah fair (sedang) adalah 600% sd 1.000% lebih mahal dibanding ketika dilakukan

Page 14: PERBAIKAN KERUSAKAN JALAN METODE BINA MARGA DAN …

ISU TEKNOLOGI STT MANDALA VOL.15 NO.1 JULI 2020 p-ISSN 1979-4819 e-ISSN 2599-1930 96

pemeliharaan pada saat kondisi perkerasan diatas Sedang (fair), yakni pada saat sempuran Baik (good).

Maka disarankan untuk melaksanakan pekerjaan Pemeliharaan Berkala untuk mempertahankan umur masa pelayanan, apabila penanganan terlambat akan mengakibatkan Kerusakan yang lebih parah dengan biaya Rekonstruksi sebesar 6 sampai 10 kali dari biaya Pemeliharaan.

Pemeliharaan secara rutin dan pembersihan saluran drainase, dan perbaikan bahu jalan di sepanjang ruas Jalan tersebut.

Pembatasan kendaraan truk yang bermuatan lebih (over load) yang melewati ruas Jalan tersebut, dengan menegakkan dan menjalankan regulasi pemerintah yang ada.

DAFTAR PUSTAKA Asphalt Institute MS-17, 1992, Asphalt

Overlay for Highway and Street. Rehabilitation, Asphalt Institute (Manual Series No. 17), Kentucky.

ASTM D6433, 2008, Standard Practice

for Roads and Parking Lots Pavement Condition Index Surveys, ASTM International, West Conshohocken.

Bhandari, A., Dhareshwar, A.M., Harral,

C., Paterson, W.D.O., Watanada, T.,1987, The Highway Design Maintenance Standards Model, The World Bank, Washington.

Bina Marga PU, Smec, Kinhil, 1993,

Bridge Management System (BMS), Australia, Jakarta.

British Columbia Ministry of

Transportation, 2002, Pavement Surface Condition Rating Manual, Geoplan Consultants Inc, Victoria.

Budi Hartanto S, 2015, Penerbit Usakti Jakarta, Rekayasa Lalu Lintas.

Budi Hartanto S, 2013, Penerbit Usakti

Jakarta, Dasar Dasar Transportasi Direktorat Jenderal Bina Marga, 1983,

Manual Pemeliharaan Jalan No.03/MN/B/1983, Direktorat Jenderal Bina Marga, Jakarta.

Direktorat Jenderal Bina Marga, 1990,

Tata Cara Penyusunan Program Pemeliharaan Jalan Kota No. 018/T/BNKT/1990, Direktorat Jenderal Bina Marga, Jakarta.