Kerusakan Jalan Flexible Pavement Dengan Menggunakan Algoritma PCA

Kerusakan Jalan Flexible Pavement Dengan Menggunakan Algoritma PCA Adhi Kusnadi, Ranny Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia [email protected], [email protected] Diterima 01 Juli 2016 Disetujui 05 September 2016 to handle early is important so that the use of the road remains optimally. The delay in the repair process will exacerbate the damage to the road itself, and will certainly increase the cost of repairs. PCA algorithm was chosen because it is a technique that is commonly used to draw the features of the data on a high-dimensional scale. While the input of the system that is built in the form of a digital image of the damaged roads, has a relatively large dimensions to be used directly by the algorithm of pattern recognition, such as neural networks. Research results obtained this type of cracking cracked 67% and cracking the other 33%. This can be caused by a few things, namely the shooting process is not perfect, as the distance is too far, the less light, the edge detection process less well due to the method used is not appropriate. Index Terms—road damage, PCA, cracking, image, egde detection I. Pendahuluan

Infrastruktur jalan merupakan aspek penting dalam perkembangan dan pertumbuhan suatu daerah. Di Indonesia khususnya di pulau Jawa, banyak dibangun jalan-jalan yang menghubungkan antar daerah untuk mempermudah transportasi dan mendukung pertumbuhan ekonomi. Namun, jalan yang telah dibangun memerlukan perawatan dan perbaikan secara berkala, terutama pada jalanjalan yang dibangun dengan konstruksi pavement (perkerasan lentur), karena memiliki umur rencana yang relatif pendek dibandingkan dengan konstruksi rigid pavement (perkerasan kaku) dan di Indonesia sekitar 80% ruas jalan masih menggunakan lapisan permukaan lentur yang terbuat dari material aspal [1]. Material aspal merupakan material utama dari konstruksi (perkerasan lentur). Pada saat

ini sebanyak 35 persen dari 582 kilometer jalan milik Provinsi Banten kondisinya tidak layak dilalui [2]. penanganannya secara dini menjadi hal yang penting agar penggunaan jalan tetap dapat optimal, tapi hal ini menjadi sulit mengingat belum adanya jalan secara otomatis. Saat ini kerusakan jalan berkala yang memerlukan waktu yang panjang hingga sampai ke proses perbaikan. Proses tenaga ahli khusus yang memahami tentang kerusakan jalan dan cara penanganannya. Tertundanya proses perbaikan akan memperparah kerusakan jalan itu sendiri, dan tentunya akan meningkatkan biaya perbaikan yang juga tidak yang semakin awal akan dapat menekan biaya perbaikan jalan serta dapat mempercepat waktu perbaikannya. Perkembangan teknologi informasi dapat menjadi salah satu solusi dalam permasalahan ada penelitian sebelumnya dengan judul Implementasi Template Matching Pada Aplikasi Android [3], Rancang Bangun Aplikasi Pendeteksi Retak Jalan Menggunakan Metode Adaptive Thresholding Sauvola dan Backpropagation [4]. Pada kedua penelitian tersebut, didapatkan suatu kelemahan, yaitu data input yang terlalu besar, sehingga mempengaruhi kinerja dari aplikasi. Kemudian ada penelitian lain yang dilakukan oleh Zhenyu Lou dengan judul “Road Surface Crack Condition Forecasting Using Neural Network Models” [5], dalam penelitian ini data input bukan merupakan gambar, melainkan data angka, berbeda dengan penelitian ini yang menggunakan gambar sebagai data input.

Melihat pada penelitian tersebut diatas, maka digunakan metode PCA (Principal Component Analysis), karena PCA adalah sebuah transformasi linier yang biasa digunakan pada kompresi data. PCA juga merupakan teknik yang umum sebuah skala berdimensi tinggi. Sedangkan input dari sistem yang dibangun berupa citra digital dari jalan yang mengalami kerusakan, memiliki dimensi yang relatif besar untuk digunakan langsung oleh algoritma pengenalan pola, seperti jaringan syaraf tiruan. Penggunaan citra digital menjadi salah satu keunggulan dari sistem yang akan dibangun karena untuk memperoleh citra digital tidaklah sulit dan tidak memerlukan alat khusus, mengingat perkembangan teknologi untuk mengambil citra digital sangat banyak dan mudah diperoleh. Saat ini memang telah ada sistem yang dibangun untuk menentukan tingkat kerusakan jalan, namun sistem tersebut tetap memerlukan ahli atau pakar untuk setiap input data kerusakan dengan menentukan nilainilai variable yang dibutuhkan [5]. Sedangkan pada sistem yang dibangun ini, pakar diperlukan hanya pada saat sistem belajar mengenali pola melakukan input memerlukan pakar. Dengan dibangunnya sistem ini diharapkan dapat membantu instansi terkait, seperti DPU (Departemen Pekerjaan Umum) atau pemerintah dalam melakukan perawatan menghemat anggaran dibandingkan dengan kerusakan jalan menggunakan algoritma yang tepat dalam sistem teknologi informasi menjadi perumusan masalah dari penelitian ini.. II. Study literatur A. Principal Component Analysis / PCA

Dalam statistika, analisis komponen utama (Principal Component Analysis/PCA) adalah teknik yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi data secara linier sehingga terbentuk sistem koordinat baru dengan varians maksimum [6]. Analisis komponen utama dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi Analisis komponen utama juga sering digunakan untuk menghindari masalah multikolinearitas antar peubah bebas dalam model regresi berganda. [8].

Analisis komponen utama merupakan analisis antara dari suatu proses penelitian yang besar atau suatu awalan dari analisis berikutnya, bukan merupakan suatu analisis yang langsung berakhir. [butuh rujukan] Misalnya komponen utama bisa merupakan masukan untuk regresi berganda atau analisis faktor atau analisis gerombol. PCA juga dikenal dengan Transformasi Karhunen-Loève (dinamakan untuk menghormati Kari Karhunen dan Michel Loève) atau Transformasi Hotelling (dinamakan untuk menghormati Harold Hotelling) [9]. Analisis komponen utama juga merupakan salah satu teknik statistika multivariat yang dapat menemukan karakteristik data yang tersembunyi [7]. Dalam penerapannya, Analisis komponen utama, justru dibatasi oleh asumsi-asumsinya, [10] yaitu asumsi kelinearan model regresi, asumsi keorthogonalan komponen utama, dan asumsi varians yang besar. B. Pola Kerusakan Jalan Perkerasan Lentur (Flexible Pavement) Perkerasan lentur (Flexible Pavement) adalah perkerasan yang menggunakan aspal sebagai bahan utamanya, yang sering dikenal oleh masyarakat umum sebagai jalan aspal. Dalam mengevaluasi kerusakan jalan aspal ini perlu ditentukan: - Jenis kerusakan (distress type) dan penyebabnya. - Tingkat kerusakan (distress severity). Menurut Manual Pemeliharaan Jalan No: 03/MN/B/1983 yang dikeluarkan oleh Direktorat Jenderal Bina Marga, kerusakan jalan dapat dibedakan atas: 1. Retak (cracking) 2. Distorsi (distortion) 3. Cacat permukaan (disintegration) 4. Pengausan (polished aggregate) 5. Kegemukan ( ) 6. Penurunan pada bekas penanaman utilitas (utiliy cut depression) C. Retak (Cracking)

Retak yang terjadi pada lapisan permukaan jalan fexible pavement dapat dibedakan atas : 1. Retak halus atau retak garis (hair cracking) Lebar celah lebih kecil atau sama dengan 3 mm, air dapat masuk lewat celah dan merusak pondasi jalan. Dapat berkembang

menjadi retak buaya.

Gambar 1. Retak Halus

Gambar 3. Retak Susut

2. Retak kulit buaya (alligator crack) Lebar celah lebih besar atau sama dengan 3 mm, saling merangkai membentuk serangkaian kotak kotak kecil menyerupai kulit buaya.

9. Retak slip (slippage cracks) Retak yang melengkung seperti bulan sabit.

Gambar 2. Retak Kulit Buaya

Gambar 4. Retak Slip III. Metode dan ImPLEMENTASI

3. Retak pinggir (edge crack) 4. Retak sambungan bahu dan perkerasan (edge joint crack) 5. Retak sambungan jalan (lane joint cracks) 6. Retak sambungan pelebaran jalan (widening cracks) 7. ) 8. Retak susut (shrinkage cracks) Retak yang saling berhubungan membentuk kotak-kotak besar dengan sudut tajam

Tahapan penelitian yang dilakukan dimulai dari perumusan masalah dan tujuan penelitian kemudian dilakukan studi literatur untuk merancang sistem yang akan dibangun. Sistem kerusakan (retak) jalan sesuai dengan tujuan penelitian yang dilakukan. Tahapan selanjutnya adalah pengumpulan data citra digital jalan yang akan digunakan pada pengujian sistem. Setelah sistem dirancang dan data dikumpulkan tahapan dini kerusakan (retak) jalan. Sistem yang telah dibuat akan diuji menggunakan data yang telah dikumpulkan. Hasil pengujian dianalisis, untuk mencari kekurangan. Tahap akhir dari penelitian ini adalah pembuatan laporan. Berikut ini gambaran tahapan penelitian, dapat dilihat di

gambar 1.

Selanjutnya data citra dikelompokan sesuai dengan jenis retakannya, dan diberi nomor sistem. Pada Tabel 1 berikut ini adalah hasil pengelompokannya. Tabel 1 Pengelompokan Gambar Berdasarkan Jenis Retakan

Gambar 1. Tahapan Penelitian jalan yang dibangun terdiri dari beberapa tahap, gambar 2 berikut merupakan kerangka kerja dari sistem yang akan dibuat. Gambar diambil dengan menggunakan kamera digital.

Tabel 2 Hasil Pengujian

Kerusakan Jalan A. Data

Data citra diambil untuk digunakan sebagai data pelatihan dan sebagai data uji. Pengujian dilakukan untuk mengetahui tingkat akurasi jalan. Pengambilan data citra retak jalan dilakukan secara manual menggunakan kamera digital. Pada gambar 3 berikut ini, adalah contoh data citra yang telah diambil.

Gambar 3. Citra digital retakan jalan

Kemudian dilakukan uji coba dengan cara mencocokkan data citra uji coba dengan data citra pelatihan. Jika kelompok data citra uji sama dengan kelompok data citra pelatihan, maka retakan jalan. Misal sebagai contoh gambar A nomor urut 1 dengan pengelompokan 1 sampai 16 adalah gambar dengan retak buaya, kemudian dilakukan uji coba dengan gambar B nomor urut 1 yaitu nomor gambar uji coba 1 sampai 6. Jika nomor gambar pelatihan yang dihasilkan adalah nomor gambar pelatihan 1 sampai 16, sebaliknya jika dihasilkan nomor selain 1 sampai 16 berarti mengenali gambar. Hasil uji coba dapat dilihat pada Tabel 2. Dari Tabel 2, dapat dilihat retak buaya retak halus 67% dan retak yang lain 33%. Untuk mengetahui penyebab kesalahan sistem dalam dianalisa. Berikut ini pada Tabel 3 ditunjukkan hasil analisa citra tersebut.

atas, dapat diambil beberapa hipotesa yang perlu penelitian lebih lanjut., yaitu penyebab sistem citra retak jalan yang tidak jelas terlihat. Hal ini ini dapat diakibatkan oleh beberapa hal : 1. Proses pengambilan citra yang tidak sempurna, seperti jarak yang terlalu jauh, cahaya yang kurang atau hal lainnya. 2. Proses deteksi tepi yang kurang baik akibat salah dalam menggunakan metode. 3. Metode yang digunakan tidak tepat. Oleh karena itu perlu dilakukan penelitian lebih lanjut, agar tingkat akurasi dapat ditingkatkan lagi. IV.

Simpulan

sistem 100% benar, retak halus 50% dan retak yang lain 33%. Hal ini ini dapat diakibatkan oleh beberapa hal yaitu proses pengambilan citra yang tidak sempurna, seperti jarak yang terlalu jauh, cahaya yang kurang atau hal lainnya, proses deteksi tepi yang kurang baik akibat salah dalam menggunakan metode, metode yang digunakan tidak tepat.

DAFTAR PUSTAKA [1] Sumarno, A. (2013, Maret 24). Kerusakan Jalan. Harian Joglo Semar [2] Tapos. (2013). TangSsel Pos. Retrieved Oktober 10, 2013, from (http://tangsel-pos.com/35persen-lebih-jalan-provinsi-rusak [3] Indra, Bayu. Implementasi Template Matching

[4]

[5]

[6]

[7]

Berbasis Android. Skripsi. Tangerang UMN; 2014 Thenov, Jason. Rancang Bangun Aplikasi Pendeteksi Retak Jalan Menggunakan Metode Adaptive Thresholding Sauvola dan Backpropagation. Skripsi. Tangerang UMN;2014. Lou, Zhenyu et al “Road Surface Crack Condition Forecasting Using Neural Network Models”. Development of Civil and Engineering, University of South Florida 1999. A. A. Miranda, Y. A. Le Borgne, and G. Bontempi. New Routes from Minimal Approximation Error to Principal Components, Volume 27, Number 3 / June, 2008, Neural Processing Letters, Springer Johnson, Richard A & Wichern, Dean W. Applied Multivariate Statistical Analysis (New Jersey:

Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8. [8] Juanda, Bambang. Ekonometrika: Pemodelan dan Pendugaan (Bogor: IPB Press, 2009). ISBN 978-979-493-177-6. [9] Harvey Mudd College (3 November 2009). Karhunen-Loeve Transform (KLT) (html) (dalam bahasa Inggris). Siaran pers. Diakses pada 10 Mei 2010. [10] A/S, G. E. (n.d.). greenwood. Retrieved Oktober 2013, from www.greenwood.dk [11] Gavilian, M., Balcones, D., Marcos, O., Llorca, D. F., Sotelo, M. A., Parra, I., et al. (2011). Adaptive Road Crack Detection System by Pavement Sensor, 11, 9628-9657.