Model Prediksi Kondisi Perkerasan Jalan Menggunakan Metode Rantai Markov = Pavement Condition Prediction Model Using the Markov Chain Method

Latar belakang. Ruas Jalan Nasional Manokwari–Bintuni merupakan bagian strategis dari jaringan Jalan Trans Papua yang memiliki peran penting dalam mendukung konektivitas antarwilayah, kelancaran distribusi barang dan jasa, serta pertumbuhan ekonomi di Provinsi Papua Barat. Seiring dengan meningkatnya beban lalu lintas, bertambahnya umur layanan perkerasan, dan pengaruh faktor lingkungan, kondisi perkerasan jalan cenderung mengalami degradasi secara bertahap. Di sisi lain, keterbatasan anggaran pemeliharaan dan luasnya jaringan jalan nasional menuntut adanya perencanaan penanganan jalan yang lebih efektif, efisien, dan berbasis prediksi kuantitatif. Tujuan. Penelitian ini bertujuan untuk menganalisis data historis kondisi perkerasan jalan dalam menyusun model prediksi kondisi perkerasan jalan menggunakan metode Rantai Markov, serta melakukan simulasi proyeksi kondisi perkerasan jalan di masa mendatang dan mengevaluasi tingkat akurasi model melalui proses validasi dengan kondisi aktual di lapangan. Metode. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan analisis probabilistik menggunakan Rantai Markov. Data historis kondisi perkerasan jalan tahun 2022 hingga 2023 diklasifikasikan ke dalam empat kategori kondisi, yaitu kondisi baik, sedang, rusak ringan, dan rusak berat. Selanjutnya disusun matriks probabilitas transisi berdasarkan perubahan kondisi jalan antar periode pengamatan, yang kemudian digunakan dalam simulasi untuk memproyeksikan kondisi perkerasan jalan pada tahun-tahun berikutnya. Validasi model dilakukan dengan membandingkan hasil prediksi dengan kondisi aktual menggunakan metode Mean Absolute Percentage Error (MAPE). Hasil. Hasil penelitian menunjukkan bahwa total panjang ruas jalan yang dianalisis adalah sebesar 237,911 km, dengan distribusi kondisi jalan pada tahun 2023 terdiri dari kondisi baik sebesar 157,65 km, kondisi sedang sebesar 65,06 km, kondisi rusak ringan sebesar 10,20 km, dan kondisi rusak berat sebesar 5,00 km. Hasil simulasi model Rantai Markov menunjukkan bahwa pada tahun 2024 panjang jalan dalam kondisi baik diproyeksikan sebesar 178,02 km, kondisi sedang sebesar 43,79 km, kondisi rusak ringan sebesar 12,00 km, dan kondisi rusak berat sebesar 4,11 km. Selanjutnya pada tahun 2025 kondisi perkerasan jalan diproyeksikan mengalami peningkatan, dengan panjang jalan dalam kondisi baik mencapai 191,27 km. Hasil validasi model menunjukkan tingkat akurasi yang baik dengan nilai MAPE sebesar 2,10% untuk kondisi baik, 1,40% untuk kondisi sedang, 24,56% untuk kondisi rusak ringan, dan 24,62% untuk kondisi rusak berat. Hasil penelitian ini menunjukkan bahwa metode Rantai Markov mampu memprediksi perubahan kondisi perkerasan jalan secara cukup akurat dan dapat digunakan sebagai alat bantu dalam perencanaan program pemeliharaan jalan yang lebih efektif, terukur, dan berbasis data.