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

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.

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

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

 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)

 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. Jikanilai TDV

diketahui, kita dapat mencari corrected

deduct value (CDV) dengan menggunakan

Gambar 2.3 Kurva Penentuan Nilai Pengurang Terkoreksi (CDV):

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)

 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

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 :

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 SatuanPerkiraanHarga 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

- 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

Samp el 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 1,127,002,209,58 5,640 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-orderPartialPart 1 (Constant) 21.034 5.185 4.057.000 Bina Marga -2.337 .993 -.357 -2.352.024-.357 -.357 -.357

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 8,480,720.8 7 508,843,252.43 3,600.00 71,922,626,540,8 26 8 66 9,120,775.2 8 601,971,168.44 4,356.00 83,188,541,698,5 20 9 56 10,240,870. 49 573,488,747.40 3,136.00 104,875,428,377, 082 10 78 9,280,788.8 8 723,901,532.71 6,084.00 86,133,042,251,1 00 11 80 8,960,761.6 8 716,860,934.25 6,400.00 80,295,249,851,2 03 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 4,160,353.6 4 341,148,998.17 6,724.00 17,308,542,378,6 39 16 68 8,000,680.0 7 544,046,244.74 4,624.00 64,010,881,577,8 09 17 66 10,240,870. 49 675,897,452.29 4,356.00 104,875,428,377, 082 18 60 9,280,788.8 8 556,847,332.85 3,600.00 86,133,042,251,1 00 19 77 5,760,489.6 5 443,557,703.06 5,929.00 33,183,241,009,9 36 20 78 7,040,598.4 6 549,166,679.98 6,084.00 49,570,026,693,8 55 21 76 9,920,843.2 9 753,984,089.77 5,776.00 98,423,131,514,0 39 22 64 9,920,843.2 9 634,933,970.33 4,096.00 98,423,131,514,0 39 23 64 5,760,489.6 5 368,671,337.61 4,096.00 33,183,241,009,9 36 24 64 4,480,380.8 4 286,744,373.70 4,096.00 20,073,812,462,8 00 25 60 7,360,625.6 6 441,637,539.85 3,600.00 54,178,810,167,4 57 26 74 6,080,516.8 5 449,958,247.12 5,476.00 36,972,685,199,3 42 27 74 8,000,680.0 7 592,050,325.16 5,476.00 64,010,881,577,8 09 28 66 8,000,680.0 7 528,044,884.60 4,356.00 64,010,881,577,8 09 29 78 3,904,331.8 7 304,537,886.17 6,084.00 15,243,807,382,4 65 30 72 7,040,598.4 6 506,923,089.22 5,184.00 49,570,026,693,8 55 31 84 6,080,516.8 5 510,763,415.65 7,056.00 36,972,685,199,3 42 32 72 6,400,544.0 6 460,839,172.02 5,184.00 40,966,964,209,7 97 33 74 7,520,639.2 7 556,527,305.65 5,476.00 56,560,014,962,1 52 34 6,080,516.8 5 437,797,213.41 5,184.00 35 5,760,489.6 5 426,276,234.11 5,476.00 76 5,120,435.2 4 _{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 6,480,550.8 6 453,638,559.95 4,900.00 41,997,539,403,2 00 JUML AH 2,788. 00 376,464,00 0.00 25,482,502,050.58 196,582.00 4,792,344,918,26 7,680

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 - .00₃ 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

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

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

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.