Analisis Kerusakan Jalan Udara Kabupaten Karo dengan Metode Surface Distress Index (SDI)
Abstract
Jalan merupakan prasarana penting dalam mendukung laju perekonomian serta memiliki peran besar dalam kemajuan dan perkembangan suatu daerah. Kondisi jalan yang mengalami kerusakan akan berdampak langsung terhadap aktivitas masyarakat. Di Kabupaten Karo, khususnya di Kecamatan Berastagi, telah terjadi kerusakan pada perkerasan jalan yang mengakibatkan penurunan tingkat pelayanan, baik secara fungsional maupun struktural, sehingga jalan menjadi cepat rusak. Penelitian ini bertujuan untuk menganalisis jenis kerusakan jalan, menentukan nilai kondisi kerusakan menggunakan metode Surface Distress Index (SDI). Metode tersebut digunakan untuk mengevaluasi tingkat kerusakan jalan dan menentukan strategi penanganan yang sesuai. Berdasarkan hasil survei kondisi jalan yang dilakukan per segmen pada Ruas Jalan Udara Kabupaten Karo, diperoleh rata- rata nilai SDI sebesar 26,25, yang termasuk dalam kategori "Baik". Penanganan yang disarankan untuk kondisi ini adalah pemeliharaan rutin, seperti perbaikan jalan, penambalan lubang, serta pengisian celah retak. Namun, pada beberapa segmen dengan tingkat kerusakan berat, diperlukan tindakan rekonstruksi jalan, yakni pada STA 0+700 – STA 0+800, STA 1+500 – STA 1+600, dan STA 1+700 – STA 2+000.
Downloads
References
Alligier, L., Pouteau, G., & Aravind, S. (2021). Pavement distress assessment using deep learning-based image analysis. Construction and Building Materials, 293, 123502. https://doi.org/10.1016/j.conbuildmat.2021.123502
Arhin, S. A., Williams, L. N., Ribbiso, A., & Anderson, M. F. (2015). Predicting pavement condition index using international roughness index in an urban setting. Journal of Civil Engineering Research, 5(1), 10–17. https://doi.org/10.5923/j.jce.20150501.02
Bashar, M. Z., & Torres-Machi, C. (2021). Performance of machine learning algorithms in predicting the pavement international roughness index. Transportation Research Record, 2675(5), 226–237. https://doi.org/10.1177/0361198121993847
Chou, C. P., & Wu, A. (2023). Automated pavement distress detection and condition assessment using convolutional neural networks. Automation in Construction, 148, 104761. https://doi.org/10.1016/j.autcon.2023.104761
Elhadidy, A. A., El-Badawy, S. M., & Elbeltagi, E. E. (2021). A simplified pavement condition index model for flexible pavement. International Journal of Pavement Engineering, 22(5), 643–652. https://doi.org/10.1080/10298436.2019.1633579
Fakhri, M., & Dezfoulian, R. S. (2019). Pavement structural evaluation based on roughness and surface distress survey for maintenance and rehabilitation prioritization. Construction and Building Materials, 222, 650–662. https://doi.org/10.1016/j.conbuildmat.2019.06.149
Gopalakrishnan, K., Khaitan, S. K., Choudhary, A., & Agrawal, A. (2017). Deep convolutional neural networks with transfer learning for computer vision-based data-driven pavement distress detection. Construction and Building Materials, 157, 322–330. https://doi.org/10.1016/j.conbuildmat.2017.09.110
Hasan, M. R. M., Saat, A., & Goh, H. W. (2021). Pavement condition assessment using pavement condition index and surface distress index in urban roads. IOP Conference Series: Materials Science and Engineering, 1144(1), 12027. https://doi.org/10.1088/1757-899X/1144/1/012027
Hossain, M. I., Guo, R., & Gao, L. (2022). Pavement deterioration modeling and maintenance strategy under uncertainty using Monte Carlo simulation. International Journal of Pavement Engineering, 23(8), 2756–2768. https://doi.org/10.1080/10298436.2021.1883458
International, A. (2007). Standard Practice For Roads and Parking Lots Pavement Condition Index Surveys. In ASTM Designation D6433-07. ASTM International.
Marga, D. J. B. (1983). Manual Pemeliharaan Jalan No.03/MN/B/1983. Direktorat Jendral Bina Marga.
Marga, D. J. B. (2016). Pedoman Indeks Kondisi Perkerasan (Pedoman-01-2016-B). Direktorat Jendral Bina Marga.
Mirzahosseini, M., Najjar, Y., Alavi, A. H., & Gandomi, A. H. (2015). New predictive models for the thermal profile of asphalt pavements. International Journal of Pavement Engineering, 16(7), 633–649. https://doi.org/10.1080/10298436.2014.966168
Nugraha, D. A. (2021). Analisa Penilaian Kondisi Jalan Raya dengan Metode Surface Distress Index (SDI) dan Present Serviceability Index (PSI) Studi Kasus: Duri Kecamatan Mandau. Universitas Islam Riau.
Officials, A. A. of S. H. and T. (1993). Guide for Design of Pavement Structures. American Association of State Highway and Transportation Officials.
Putri, W. B., Shalahuddin, M., Audah, S., & Gussyafi, H. (2024). Analisis Kerusakan Jalan Metode Surface Distress Index (SDI) pada Ruas Jalan Taman Karya Kota Pekanbaru. Jurnal Vokasi Manajemen Dan Rekayasa Infrastruktur Sipil, 25–30.
Ragnoli, A., De Blasiis, M. R., & Di Benedetto, A. (2018). Pavement distress detection methods: A review. Infrastructures, 3(4), 58. https://doi.org/10.3390/infrastructures3040058
Redaksi88News. (2025). Warga Jalan Udara Kecamatan Merdeka. 88News.id. https://www.88news.id/2025/02/warga-jalan-udara-kecamatan-merdeka.html
Sultana, M., Chai, G., Martin, T., & Chowdhury, S. (2016). Immediate and long-term settlements of flexible pavements under traffic loading. International Journal of Pavement Engineering, 17(10), 908–919. https://doi.org/10.1080/10298436.2015.1065991
Umum, K. P. (2011). Peraturan Menteri Pekerjaan Umum No. 13/PRT/M/2011 Tentang Tata Cara Pemeliharaan dan Penilikan Jalan. Kementerian Pekerjaan Umum.
Zeiada, W., Hamad, K., Omar, M., Underwood, B. S., Khalil, M. A., & Karzad, A. S. (2019). Investigation and modelling of asphalt pavement performance in cold regions. International Journal of Pavement Engineering, 20(8), 986–997. https://doi.org/10.1080/10298436.2017.1374995
Copyright (c) 2026 Fenny Novita Meysabed Sianturi, Palghe Tobing, Desnitha Cristina Br Ketaren
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
