IDENTIFIKASI KERUSAKAN JALAN PADA JALAN TAK BERASPAL DAN PEMILIHAN MATERIAL PERKERASAN
DOI:
https://doi.org/10.31004/cdj.v4i2.14701Keywords:
Material Perkerasan, Identifikasi Kerusakan, Desa Penfui TimurAbstract
Jalan loal yang tidak beraspal sering rusak akibat tergerus air hujan dan pembebanan yang besar. Ruas jalan Nomelaktosi Desa Penfui Timur diklasifikasikan dengan tingkat ketahanan yang berbeda untuk mengingatkan pengemudi yang mengendarai kendaraan berat menurut ukuran dan beban kendraan. Pemerintah Desa maupun Kabupaten yang bertanggung jawab atas pemeliharaan dan pengoperasian infrastruktur jalan raya harus memantau dan mencegah kendaraan berat, terutama truk, dan tangki air melewati sistem jalan saat kelebihan muatan. Meningkatnya permintaan dan penggunaan kendaraan berat secara terus-menerus dapat mengurangi ketahanan jalan. Di ruas jalan Nomelaktosi sendiri banyak dilalui oleh kendraan berat seperti truck dan tangki air. Terlepas dari pembiayaan pemerintah untuk pembuatan saluran drainase, pemerintah desa juga perlu memperhatikan mitigasi darurat seperti pemilihan alternatif material perkerasan untuk jalan tidak beraspal seperti jalan Nomelaktosi, Desa penfui Timur Tujuan dari penelitian ini adalah merekomendasikan material perkerasan pilihan berdasarkan identifikasi kerusakan, pembiayaan, ketahanan material, kemudahan pekerjaan dan dampak pekerjaan terhadap pemukiman sekitar.Harapannya adalah dengan sumber pembiayaan yang terbatas, pemerintah memberdayakan retribusi masyarakat untuk membeli material perkerasan guna pembangunan ruas jalan Nomelaktosi yang sudah di tinjau.References
Ierace S, Pinto R, Troiano L, Cavalieri S (2010) Neural Network As An Ef?cient Diagnostic Tool: A Case Study In A Textile Company. IFAC Proc Vol 43:122–127
Terace S, Marinaro P, Tatavitto P, Troiano L (2010) Pro?ling The Power Usage Of Industrial Machinery By ANN. In: 2010 International Conference Of Soft Computing And Patternrecognition, IEEE, Pp 413–418
Salman M, Mathavan S, Kamal K, Rahman M (2013) Pavement Crack Detection Using The Gabor ?lter. In: 16th International IEEE Conference On Intelligent Transportation Systems(ITSC 2013)
Ahmed NBC, Lahouar S, Souani C, Besbes K (2017) Automatic Crack Detection From Pavement Images Using Fuzzy Thresholding. In: 2017 International Conference On Control, Automation And Diagnosis (ICCAD)
Oliveira H, Correia PL (2014) Crackit—An Image Processing Toolbox For Crack Detection Andcharacterization. In: 2014 IEEE International Conference On Image Processing (ICIP) (2014)
Zhang L, Yang F. Zhang, YD, Zhuyj (2016) Road Crack Detection Using Deep Convolutionalneural Network. In: 2016 IEEE International Conference On Image Processing (ICIP) (2016)
Beliakov G, James S, Troiano L (2008) Texture Recognition By Using GLCM And Various Aggregation Functions. In: 2008 IEEE International Conference On Fuzzy Systems (IEEE World Congress On Computational Intelligence), IEEE, Pp 1472–1476
Eisenbach M, Stricker R, Seichter D, Amende K, Debes K, Sesselmann M, Ebersbach D, Stoeckert U, Gross H (2017) How To Get Pavement Distress Detection Ready For Deep Learning? A Systematic Approach. In: 2017 International Joint Conference On Neural Networks (IJCNN) (2017)
Gopalakrishnan K, Khaitan SK, Choudhary A, Agrawal A. Deep Convolutional Neural Networks With Transfer Learning For Computer Vision-Based Data-Driven Pavement Distress Detection. Constr Build Mater
Lecun Y, Bengio Y, Hinton G (2015) Deep Learning. Nature 521:436–444
Simonyan K, Zisserman A: Very Deep Convolutional Networks For Large-Scale Image Recognition
Shelhamer E, Long J, Darrell T (2017) Fully Convolutional Networks For Semantic Segmentation. IEEE Trans Pattern Anal Mach Intell 39:640–651
Ren S, He K, Girshick R, Sun J (2015) Faster R-CNN: Towards Real-Time Object Detection With Region Proposal Networks. In: Cortes C, Lawrence ND, Lee DD, Sugiyama M, Garnett R (Eds) Advances In Neural Information Processing Systems Vol 28. Curran Associates, Inc.,Pp 91–99
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Priscilla Ellena Ketut Sonia, Gregorius Paus Usboko, Reynaldo Nokas, Sony Susanto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
