Penentuan Prioritas Penanganan Ruas Jalan Nasional Panton Labu Simpang – Langsa – Batas Sumut Chapter III V
BAB III
METODOLOGI PENELITIAN
Metodologi adalah suatu kerangka pendekatan pola pikir dalam rangka
menyusun dan melaksanakan suatu penelitian. Tujuannya adalah untuk mengarahkan
proses berpikir untuk menjawab permasalahan yang akan diteliti lebih lanjut agar
berlangsung secara terarah.
3.1
Jenis Penelitian
Penelitian tentang penentuan prioritas penanganan ruas jalan nasional Panton
Labu/Simpang – Langsa – batas SUMUT ini termasuk dalam jenis penelitian survei
dimana penelitian ini mengambil sampel dari satu populasi dan informasi diperoleh
melalui responden dengan menggunakan kuesioner. Proses analisis dilakukan dengan
menggunakan data sekunder seoptimal mungkin. Metode yang dipakai adalah
metode Analytical Hierarchy Process (AHP) dan metode Bina Marga. Program
Expert Choice 11 yang merupakan perangkat lunak dari penerapan teori Analytical
Hierarchy Process (AHP) dipakai dalam mengolah data hasil kuesioner dari para
responden.
3.2
Daerah Penelitian
Daerah penelitian meliputi 8 (delapan) ruas jalan nasional yang tersebar di 3
(tiga) kabupaten/kota di wilayah provinsi Aceh mulai batas kabupaten Aceh Utara
sampai batas provinsi Sumatera Utara (SUMUT) dengan panjang total 179 km. Dari
88
Universitas Sumatera Utara
8 (delapan) ruas yang ada tidak semua ruas dapat dilakukan penanganan, sehingga
sangat diperlukan penentuan skala prioritas penanganannya.
Adapun data ke 8 (delapan) ruas jalan tersebut yang menjadi daerah
penelitian dapat dilihat pada tabel 3.1 berikut ini :
Tabel 3.1 Ruas Jalan Nasional yang Menjadi Daerah Penelitian
Kondisi Jalan
No
Urut
No
Ruas
Kab /
Kota
Nama Ruas
Panjang
Jalan
Rusak Rusak
Ringan Berat
Baik
Sedang
(km)
(km)
(km)
(km)
(km)
1
010
Aceh Panton Labu/Simpang (Km
Timur 328) - Peureulak
65.48
46.78
18.7
0
0
2
011
Aceh Peureulak - (Km 392) - Bts.
Timur Kota Langsa
44.339
34.3
10.039
0
0
3
01111 Langsa Jln. AM.Ibrahim (Langsa)
4.679
1
3.679
0
0
4
01112 Langsa Jln. Ahmad Yani (Langsa)
5.222
4.9
0.322
0
0
37.53
13.1
0.1
0.1
5
6
7
8
012
Aceh Bts. Kota Langsa - Bts. Prov.
50.832
Tamiang SUMUT
01211 Langsa Jln. Agus Salim (Langsa)
1.424
0.4
1.024
0
0
Bts. Kota Langsa - Kuala
Langsa
4.07
2.77
1.3
0
0
2.96
2
0.96
0
0
49.124
0.1
0.1
047
Langsa
04711 Langsa Jln. Kuala Langsa (Langsa)
Jumlah
179.006 129.7
Sumber : Satker Perencanaan dan Pengawasan Jalan Nasional Aceh
89
Universitas Sumatera Utara
3.3
Prosedur Penelitian
Proses tahapan penelitian untuk tugas akhir ini secara umum diperlihatkan
melalui bagan alir (flowchart) pada gambar 3.1. Dimana prosedurnya sesuai dengan
prinsip dasar AHP yaitu sebagai berikut :
1. Perumusan masalah
Merumuskan permasalahan yang dihadapi pemerintah pusat yaitu dengan
adanya ketidakseimbangan antara kebutuhan pendanaan jalan dengan
kemampuan dana APBN sehingga pemerintah pusat mengalami kesulitan
untuk memenuhi SPM jalan serta mempertahankan kondisi ruas jalan tetap
dalam kondisi mantap.
2. Melakukan tinjauan pustaka
Kajian pustaka dilakukan untuk mencari dan mendapatkan teori dan konsepkonsep yang relevan serta peraturan-peraturan yang menjadi dasar untuk
melakukan analisa.
3. Mengumpulkan data
Data yang dikumpulkan dalam penelitian ini meliputi data primer yaitu data
persepsi yang merupakan hasil kuesioner dari pemangku kepentingan
(stakeholder) yang terdiri dari wakil perencana, wakil pelaksana dan wakil
pengguna/masyarakat. Selain data primer, dikumpulkan juga data sekunder
yang relevan dengan penelitian ini yang meliputi data kondisi ruas jalan,
lalulintas harian rata – rata (LHR), peta jaringan jalan, data geometrik ruas
jalan, data biaya penanganan ruas jalan pada daerah penelitian, data nilai rata
– rata penghasilan masyarakat atau product domestic regional bruto (PDRB),
90
Universitas Sumatera Utara
angka pertumbuhan lalu lintas serta data komponen unit biaya operasional
kendaraan (BOK).
4. Pengolahan dan analisis data
Mengolah data persepsi yang merupakan hasil kuesioner dari para pemangku
kepentingan (stakeholders) dengan menggunakan program expert choice 11
yang merupakan perangkat lunak dari penerapan teori analytical hierarchy
process. Selain itu, dalam proses analisa prioritas penanganan jalan juga
dilakukan analisa dengan metode bina marga dan digunakan hanya sebagai
metode pembanding.
5. Penyusunan urutan prioritas ruas jalan
Pada tahap ini dilakukan penyusunan urutan prioritas jalan yang akan
ditangani pemeliharaannya agar ruas yang telah dinilai dari beberapa kriteria
dalam metode AHP dan metode Bina Marga tersebut akan diutamakan
pengerjaannya.
6. Membandingkan dengan metode yang dipakai pemerintah
Hasil yang diperoleh dari metode AHP akan dibandingkan dengan hasil dari
metode yang dipakai pemerintah yakni metode bina marga, sehingga bisa
dilihat pola/ kecenderungan kriteria penanganan yang dipakai masing-masing
metode.
Adapun metodologi penelitian untuk penelitian tugas akhir ini diperlihatkan
melalui bagan alir penelitian pada gambar 3.1 berikut :
91
Universitas Sumatera Utara
Mulai
Latar Belakang
Perumusan Masalah
Bagaimana kriteria dan prioritas dalam menentukan penanganan pada ruas jalan nasional
Panton Labu – Langsa – Batas SUMUT serta apakah ada perbedaan prioritas dengan
memakai metode Analytical Hierarchy Process (AHP) berdasarkan kriteria kondisi ruas
jalan, arus lalu lintas dan biaya penanganan dan dengan memakai metode Bina Marga
Studi Literatur
Pengumpulan Data
Penentuan Kriteria
Pengolahan Data
Peta Jaringan Jalan Nasional
Provinsi Aceh
Data kondisi ruas jalan nasional
Panton Labu – Langsa – Batas
SUMUT
Data LHR
Data biaya penanganan pada
ruas jalan nasional Panton Labu
– Langsa – Batas SUMUT
UU dan Peraturan terkait
Data geometrik jalan
Data PDRB Aceh
Angka pertumbuhan lalulintas
Kuesioner
Analisa Penelitian
Analisa dilakukan berdasarkan 3 (tiga) kriteria yang digunakan dalam penelitian ini
Menganalisa kriteria yang menjadi prioritas dalam penanganan ruas jalan nasional Panton
Labu – Langsa –Batas SUMUT
Menganalisa ruas jalan yang menjadi prioritas penanganannya memakai metode AHP dan
metode Bina Marga
Membandingkan hasil penelitian antara metode AHP dan metode Bina Marga
Hasil Penelitian
Kriteria yang menjadi prioritas dalam penanganan ruas jalan nasional Panton
Labu/Simpang – Langsa – Batas SUMUT
Urutan ruas jalan yang menjadi prioritas penanganannya berdasarkan bobot tertinggi
Hasil perbandingan dari kedua metode
Kesimpulan dan Saran
Selesai
Gambar 3.1 Bagan Alir Metodologi Penelitian (Flowchart)
92
Universitas Sumatera Utara
3.4
Variabel Penelitian
Untuk menyelesaikan penelitian tugas akhir ini diperlukan sejumlah kriteria
yang dijadikan sebagai kandidat variabel dalam hal ini harus memenuhi syarat
berikut ini :
1. Diusahakan dapat dimulai dengan variabel yang kuantitatif sehingga
obyektifitas penilaian dapat dipertahankan
2. Data variabel mudah dikumpulkan dan selalu dapat diperbaharui
3. Mampu mewakili karakteristik jalan sebagai gambaran yang layak mengenai
tingkat kepentingan ruas yang akan ditangani.
Variabel yang digunakan adalah 3 (tiga) kriteria yang dianggap paling
berpengaruh sebagai dasar pertimbangan penanganan jalan yang diperoleh dari hasil
wawancara pada para responden serta dengan pertimbangan dari beberapa penelitian
terdahulu seperti yang telah dijelaskan pada bab sebelumnya, yaitu :
1. Kriteria kondisi jalan
a. Baik
b. Sedang
c. Rusak ringan
d. Rusak berat
2. Kriteria arus lalu lintas
a. Kapasitas ruas jalan
b. Volume lalu lintas
3. Kriteria Biaya Penanganan
Secara umum susunan hierarki penelitian ini seperti ditunjukkan pada gambar
3.2 berikut :
93
Universitas Sumatera Utara
Prioritas Penanganan Ruas Jalan Nasional Panton
Labu/Simpang – Langsa – Batas SUMUT
Arus Lalulintas
Kapasitas
Volume
Lalulintas
Biaya Penanganan
Kondisi Jalan
Baik
Sedang
Rusak
Ringan
Rusak
Berat
Urutan Prioritas Penanganan 8 (delapan) Ruas Jalan Nasional Pada Daerah
Penelitian (Jalan 1, Jalan 2, dst)
Gambar 3.2 Skema Susunan Hierarki Penelitian
3.5
Sampel Penelitian
Survei yang dilakukan pada penelitian ini pemilihan sampel responden
bersifat tidak acak (non random sampling) dilakukan dengan cara purposive
sampling, dimana sampel dipilih berdasarkan pertimbangan tertentu bahwa unsurunsur yang dikehendaki telah ada dalam sampel responden yang diambil. Salah satu
metode dalam purposive sampling adalah pemakaian expert sampling dimana expert
sampling terdiri dari sampel orang yang diketahui mempunyai pengalaman atau
keahlian dalam suatu bidang. Ada dua alasan mengapa expert sampling dipakai.
Pertama, ini adalah cara terbaik untuk memperoleh sampel orang yang punya specific
expertise. Dalam hal ini expert sampling adalah hal yang khusus dari purposive
sampling. Alasan lainnya adalah expert sampling tersebut dapat digunakan sebagai
94
Universitas Sumatera Utara
bukti penguat validitas sampel yang dipilih menggunakan metoda non probabilistik
lainnya. (Wadjidi, 2008 dalam Sembiring, 2008).
Sampel responden pada penelitian ini merupakan para
pemangku
kepentingan (stakeholder) yang berada pada level pengambil keputusan di balai
besar pelaksana jalan nasional wilayah I yakni satuan kerja perencanaan dan
pengawasan jalan nasional Aceh (Satker P2JN Aceh), satker pelaksanaan jalan
nasional wilayah I provinsi Aceh (Satker PJN I Aceh) dan badan perencanaan
pembangunan daerah provinsi Aceh (Bappeda Aceh). Sementara sebagai wakil dari
pengguna jalan diambil responden dari akademisi dan organisasi himpunan
pengembang jalan Indonesia (HPJI).
95
Universitas Sumatera Utara
BAB IV
ANALISA DAN PEMBAHASAN
4.1
Data Hasil Survei
Untuk memperoleh data persepsi dari para pemangku kepentingan
(stakeholder) maka dilakukan survei terhadap para responden. Responden tersebut
terdiri dari 2 (dua) responden wakil dari perencana program, 2 (dua) responden wakil
pelaksana dan 2 (dua) responden wakil pengguna jalan. Adapun distribusi responden
tersebut dapat dilihat dalam tabel 4.1 berikut ini :
Tabel 4.1 Data Distribusi Responden
Jumlah
No
Instansi
Responden
Keterangan
Satuan Kerja Perencanaan dan Pengawasan
1
1 responden
Jalan Nasional Aceh (BBPJN I)
2
Badan Perencanaan Pembangunan Aceh
Wakil
Perencana
1 responden
Satuan Kerja Pelaksanaan Jalan Nasional
3
2 responden
Wilayah I Aceh (BBPJN I)
Wakil
Pelaksana
Himpunan Pengembangan Jalan Indonesia
4
1 responden
(HPJI) Aceh
5
Wakil
Pengguna
Akademisi
1 responden
Total
6 responden
Sumber : Hasil Analisa
Dari hasil survei dengan menggunakan kuesioner seperti pada lampiran 1
terhadap 6 (enam) responden diperoleh distribusi perangkingan kriteria menurut
96
Universitas Sumatera Utara
kelompok responden. Adapun hasil penempatan rangking seluruh responden
terhadap semua kriteria direkapitulasi sehingga terlihat urutan rangking kriteria
seperti yang disajikan dalam tabel 4.2 berikut ini :
Tabel 4.2 Urutan Rangking Kriteria Menurut Responden
No
Kriteria dan Kelompok
Responden
Perangkingan
Rangking 1
Rangking 2
Rangking 3
a. Wakil Perencana
2
-
-
b. Wakil Pelaksana
-
2
-
c. Wakil Pengguna
2
-
-
a. Wakil Perencana
-
1
1
b. Wakil Pelaksana
-
-
2
c. Wakil Pengguna
-
2
-
a. Wakil Perencana
-
1
1
b. Wakil Pelaksana
2
-
-
c. Wakil Pengguna
Sumber : Hasil Analisa
-
-
2
1
2
3
Kondisi ruas jalan
Arus ruas jalan
Biaya pemeliharaan jalan
Perincian hasil persepsi para responden yang telah disajikan dalam tabel 4.2
di atas menunjukkan bahwa responden yang menempatkan kriteria 1 yaitu kriteria
kondisi ruas jalan sebagai rangking 1 adalah 4 responden (66,67%), rangking 2
adalah 2 responden (33,33%) dan rangking 3 adalah 0 responden (0%). Responden
yang menempatkan kriteria 2 yakni kriteria arus ruas jalan sebagai rangking 1
sebanyak 0 responden (0%), rangking 2 sebanyak 3 responden (50%) dan rangking 3
sebanyak 3 responden (50%). Responden yang menempatkan kriteria 3 yakni kriteria
biaya pemeliharaan jalan sebagai rangking 1 sebanyak 2 responden (33,33%),
rangking 2 sebanyak 1 responden (16,67%) dan rangking 3 sebanyak 3 responden
97
Universitas Sumatera Utara
(50%). Maka dapat disimpulkan bahwa untuk kriteria rangking 1(satu) pilihan para
responden adalah kriteria kondisi ruas jalan sebanyak 4 (empat) responden (66,67%).
Sedangkan untuk kriteria rangking 2 (dua) dan kriteria rangking 3 (tiga) pilihan para
responden adalah kriteria biaya pemeliharaan jalan atau kriteria arus ruas jalan
dengan masing – masing sebanyak 3 (tiga) responden (50%). Karena 50% responden
menempatkan kriteria arus ruas jalan dan kriteria biaya penanganan pada rangking 2
(dua) dan rangking 3 (tiga), maka untuk kriteria yang akan menempati
peringkat/rangking 2 (dua) dan rangking 3 (tiga) pilihan responden bisa saja
ditempati oleh kriteria biaya pemeliharaan jalan atau kriteria arus ruas jalan
tergantung pada besarnya bobot dari masing – masing kriteria tersebut. Oleh karena
itu perlu dianalisis besarnya bobot masing – masing kriteria tersebut sesuai dengan
hasil kuesioner atau pilihan responden.
Dari hasil distribusi perangkingan di atas terlihat bahwa kecenderungan para
responden dalam menentukan rangking sangat dipengaruhi oleh persepsi dari
kepentingan mereka. Seperti bagi wakil perencana dan pengguna jalan yang
cenderung memberikan perhatian mereka terhadap kondisi ruas jalan yang sangat
tinggi, sedangkan untuk wakil pelaksana lebih cenderung memilih kriteria biaya
pemeliharaan jalan. Hal tersebut terkait dengan besarnya biaya yang diperlukan serta
sebagai bentuk ketersediaan anggaran dalam penanganan jalan.
4.2
Analisis Bobot Kriteria
Setelah data persepsi dari para pemangku kepentingan (stakeholder)
terkumpul, maka proses selanjutnya adalah menghitung bobot kriteria dari masing –
masing responden dan kemudian dilanjutkan dengan bobot rata-rata per kelompok
98
Universitas Sumatera Utara
stakeholder dan bobot rata-rata keseluruhan. Dalam menghitung bobot kriteria
digunakan program expert choice 11. Hasil rekapitulasi pembobotan secara
keseluruhan disebut sebagai nilai eigen vector, seperti disajikan dalam tabel 4.3 di
bawah. Adapun proses perhitungan bobot kriteria tersebut adalah :
1. Meng- input data kuesioner ke program expert choice 11 yang hasilnya dapat
dilihat pada lampiran 2.
2. Merekapitulasi output pada langkah 1.
3. Menghitung bobot kriteria per kelompok stakeholder.
4. Selanjutnya menghitung bobot kriteria (eigen vector) keseluruhan responden.
Tabel 4.3 Rekapitulasi Bobot Kriteria Secara Keseluruhan
% Bobot Kriteria
Responden
Kondisi Ruas
Jalan
Arus Ruas
Jalan
CR (maks
Biaya
0.03)
Pemeliharaan
Jalan
1
Wakil Perencana 1
0.705
0.211
0.084
0.03
2
Wakil Perencana 2
0.751
0.070
0.178
0.03
3
Wakil Pelaksana 1
0.178
0.070
0.751
0.03
4
Wakil Pelaksana 2
0.205
0.078
0.717
0.02
5
Wakil Pengguna 1
0.751
0.162
0.087
0.01
6
Wakil Pengguna 2
0.793
0.131
0.076
0.02
0.5638
0.1203
0.3155
% Rata - Rata Bobot
Keseluruhan
% Rata - Rata Bobot Kriteria Per Kelompok Stakeholders
Wakil Perencana
0.728
0.1405
0.131
Wakil Pelaksana
0.1915
0.074
0.734
Wakil Pengguna
0.772
0.1465
0.0815
0.5638
0.1203
0.3155
% Rata - Rata Bobot
Keseluruhan
Sumber : Hasil Analisa
99
Universitas Sumatera Utara
Berdasarkan perhitungan bobot rata-rata (eigen vector) keseluruhan
responden diperoleh bahwa kriteria kondisi ruas jalan memiliki bobot sebesar 56,38
%, kriteria arus ruas jalan 12,03 % dan kriteria biaya pemeliharaan jalan sebesar
31,55 %. Sehingga dapat disimpulkan bahwa kondisi ruas jalan merupakan faktor
yang sangat berpengaruh dalam penentuan prioritas penanganan ruas jalan nasional
Panton Labu / Simpang – Langsa – Batas SUMUT.
Sementara
itu
untuk
bobot
per
kelompok
pemangku
kepentingan
(stakeholders) juga jelas terlihat bahwa kelompok perencana dan pengguna jalan
sangat memprioritaskan kriteria kondisi ruas jalan dalam penanganan ruas jalan di
daerah penelitian yakni masing – masing sebesar 72,8 % dan 77,2 %. Sedangkan
bagi wakil pelaksana jalan, kriteria biaya penanganan mendapatkan bobot terbesar
yaitu sebesar 73,4 %.
4.3
Analisis Bobot Variabel
Setelah bobot untuk masing-masing kriteria diperoleh mulai dari bobot
kriteria hasil kuisioner masing-masing responden, bobot per kelompok stakeholder
dan bobot kriteria keseluruhan. Langkah selanjutnya adalah menghitung bobot
masing-masing variabel. Adapun proses perhitungan bobot variabel adalah sebagai
berikut :
1. Meng-input data kuesioner ke program expert choice 11
2. Melakukan sintesis terhadap semua variabel yang hasilnya disajikan pada
lampiran 3.
3. Merekapitulasi output pada langkah 2.
100
Universitas Sumatera Utara
4. Menghitung bobot variabel relatif per kelompok stakeholders dan
keseluruhan responden. Adapun perhitungannya disajikan dalam tabel 4.4
dan tabel 4.5 berikut ini :
Tabel 4.4 Perhitungan Bobot Variabel Secara Keseluruhan dan Per
Kelompok Pemangku Kepentingan (Stakeholders)
% Bobot Variabel
Responden
CR
Biaya (maks
Kondisi Kondisi
Volume
Pemelih 0.10)
Kondisi Kondisi
Kapasitas
Rusak
Rusak
Lalu
araan
Baik
Sedang
Ruas Jalan
Ringan
Berat
lintas
Jalan
1
WPR 1
0.0290
0.0690
0.1930
0.4140
0.1760
0.0350 0.0840
0.05
2
WPR 2
0.0300
0.1050
0.1190
0.4970
0.0350
0.0350 0.1780
0.06
3
WPL 1
0.0080
0.0160
0.0350
0.1190
0.0590
0.0120 0.7510
0.04
4
WPL 2
0.0100
0.0170
0.0480
0.1300
0.0680
0.0100 0.7170
0.02
5
WPG 1
0.0340
0.0650
0.1730
0.4780
0.0810
0.0810 0.0870
0.04
6
WPG 2
0.0310
0.1120
0.1670
0.4840
0.1180
0.0130 0.0760
0.06
% Rata - Rata
Bobot
0.0237
Keseluruhan
0.0640
0.1225
0.3537
0.0895
0.0310 0.3155
% Rata - Rata Bobot Variabel Per Kelompok Stakeholders
WPR
0.0295
0.0870
0.1560
0.4555
0.1055
0.0350 0.1310
WPL
0.0090
0.0165
0.0415
0.1245
0.0635
0.0110 0.7340
WPG
0.0325
0.0885
0.1700
0.4810
0.0995
0.0470 0.0815
% Rata - Rata
Bobot
0.0237
Keseluruhan
0.0640
0.1225
0.3537
0.0895
0.0310 0.3155
KET :
WPR : Wakil Perencana
WPG : Wakil Pengguna
WPL : Wakil Pelaksana
Sumber : Hasil Analisa
101
Universitas Sumatera Utara
Tabel 4.5 Rekapitulasi Bobot Variabel Relatif Secara Keseluruhan
No
Variabel
Bobot Variabel
Relatif
Bobot Kriteria
(a)
(b)
(c)
(d)
1
Kondisi Baik
0.0237
2
Kondisi Sedang
0.0640
3
Kondisi Rusak Ringan
0.1225
4
Kondisi Rusak Berat
0.3537
5
Kapasitas Ruas Jalan
0.0895
6
Volume Lalu lintas
0.0310
7
Biaya Pemeliharaan Jalan
0.3155
0.3155
1.000
1.000
0.5638
0.1203
Total
Sumber : Hasil Analisa
Dari hasil perhitungan bobot variabel relatif secara keseluruhan diperoleh
variabel kondisi perkerasan rusak berat mendapatkan bobot yang paling tinggi
dibandingkan kriteria yang lain dengan nilai 35,37 %, selanjutnya di urutan kedua
adalah variabel biaya pemeliharaan jalan sebesar 31,55 %. Urutan ketiga adalah
variabel kondisi perkerasan rusak ringan sebesar 12,25 %. Sedangkan urutan
keempat, kelima, keenam dan ketujuh secara berturut-turut adalah kapasitas ruas
jalan 8,95 %, kondisi sedang 6,40 %, volume lalu lintas 3,10 % dan kondisi baik
dengan bobot 2,37 %.
4.4
Analisis Bobot Alternatif Terhadap Variabel
Setelah bobot kriteria dan bobot variabel relatif diperoleh maka selanjutnya
adalah proses pembobotan alternatif ruas jalan terhadap variabel yang telah
ditentukan. Dalam proses pembobotan alternatif meliputi 7 (tujuh) variabel, yaitu 4
102
Universitas Sumatera Utara
(empat) variabel dari kriteria kondisi perkerasan ruas jalan yakni kondisi perkerasan
baik, kondisi sedang, kondisi rusak ringan dan kondisi rusak berat dan 2 (dua)
variabel dari kriteria ruas jalan yakni kapasitas ruas jalan dan volume lalulintas serta
variabel biaya pemeliharaan jalan. Sementara itu, ada 8 (delapan) alternatif ruas jalan
dalam pembobotan penentuan prioritas penanganannya di wilayah penelitian.
Adapun 8 (delapan) alternatif tersebut diperlihatkan dalam tabel 4.6 berikut :
Tabel 4.6 Alternatif Ruas Jalan Yang Dipakai Dalam Penentuan Prioritas
Penanganan Ruas Jalan Di Daerah Penelitian
Panjang
Ruas Jalan
(km)
No
Nomor
Ruas
1
010
Panton Labu/Simpang (km 328) - Peureulak
65.480
2
011
Peureulak (km 392) - Batas Kota Langsa
44.339
Nama Ruas
3
01111 Jalan A.M.Ibrahim (Langsa)
4.679
4
01112 Jalan Ahmad Yani (Langsa)
5.222
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
50.832
01211 Jalan Agus Salim (Langsa)
047
1.424
Batas Kota Langsa - Kuala Langsa
4.070
04711 Jalan Kuala Langsa (Langsa)
2.960
Panjang Ruas Jalan Total
179.006
Sumber : Satuan Kerja Perencana dan Pengawasan Jalan Nasional Aceh
4.4.1
Bobot Alternatif Terhadap Variabel Kondisi Perkerasan
Dalam pembobotan alternatif terhadap variabel kondisi perkerasan ada 4
(empat) variabel yaitu variabel kondisi baik, sedang, rusak ringan dan rusak berat.
103
Universitas Sumatera Utara
Adapun hasil rekapitulasi kondisi ruas jalan di daerah penelitian tahun 2014 dengan tipe perkerasan aspal hotmix seperti
ditunjukkan dalam tabel 4.7 di bawah. Sementara rincian data kondisi ruas jalan tahun 2014 dilampirkan pada lampiran 4.
Tabel 4.7 Kondisi Ruas Jalan Nasional Panton Labu/Simpang – Langsa – Batas SUMUT Berdasarkan Nilai IRI Tahun 2014
Kondisi Perkerasan Berdasarkan nilai IRI
No
No Ruas
Nama Ruas
Panjang
Ruas
(km)
Baik
Sedang
Rusak
Ringan
Rusak Berat
km
%
km
%
km
%
km
%
18.7
1
010
Panton Labu/Simpang (km 328) - Peureulak
65.48
46.78
71.44%
28.56%
0
0.00%
0
0.00%
2
011
Peureulak (km 392) - Batas Kota Langsa
44.339
34.3
77.36% 10.039 22.64%
0
0.00%
0
0.00%
3
01111
Jalan A.M.Ibrahim (Langsa)
4.679
1
21.37%
3.679 78.63%
0
0.00%
0
0.00%
4
01112
Jalan Ahmad Yani (Langsa)
5.222
4.9
93.83%
0.322
6.17%
0
0.00%
0
0.00%
5
012
Batas Kota Langsa - Batas Prov. SUMUT
50.832
37.532 73.84%
13.1
25.77%
0.1
0.20%
0.1
0.20%
6
01211
Jalan Agus Salim (Langsa)
1.424
0.4
28.09%
0
0.00%
0
0.00%
7
047
Batas Kota Langsa - Kuala Langsa
4.07
2.77
68.06%
1.3
31.94%
0
0.00%
0
0.00%
8
04711
Jalan Kuala Langsa (Langsa)
2.96
2
67.57%
0.96
32.43%
0
0.00%
0
0.00%
179.006
129.68
TOTAL
Panjang ruas jalan
1.024 71.91%
49.124
0.1
0.1
72.45%
27.44%
0.06%
0.06%
Persentase
100%
Sumber : Satuan Kerja Perencanaan dan Pengawasan Jalan Nasional Aceh Balai Besar Pelaksanaan Jalan Nasional I Direktorat Jenderal Bina
Marga
104
104
Universitas Sumatera Utara
Proses perhitungan bobot alternatif ruas jalan terhadap kondisi ruas jalan
diperoleh dengan langkah – langkah sebagai berikut :
1. Menghitung persentase dari tiap kondisi masing – masing ruas jalan
terhadap panjang total ruas jalan tersebut.
2. Kemudian persentase tersebut dikalikan dengan nilai bobot variabel relatif
masing – masing kondisi yaitu untuk kondisi baik, sedang, rusak ringan
dan rusak berat sesuai dengan tabel 4.5 di atas. Hasil kali tersebut disebut
sebagai bobot kondisi. Kemudian bobot tiap kondisi masing – masing ruas
jalan dijumlahkan (total bobot kondisi).
3. Menghitung bobot skor masing – masing alternatif ruas jalan dengan cara
melakukan perbandingan berpasangan masing – masing alternatif ruas
jalan terhadap total bobot kondisi masing – masing ruas yang diperoleh.
Dalam hal ini peneliti menghitung dengan memakai program expert choice
11.
4. Kemudian bobot skor dikalikan dengan bobot kriteria kondisi ruas jalan.
Rekapitulasi hasil perhitungan untuk langkah 1 dan langkah 2 dapat dilihat
pada tabel 4.8 di bawah ini :
105
Universitas Sumatera Utara
Tabel 4.8 Rekapitulasi Total Bobot Kondisi Masing – Masing Alternatif Ruas Jalan Memakai Data Kondisi Tahun 2014
No Nomor
Urut Ruas
1
010
2
011
3
01111
4
01112
5
012
6
01211
7
047
8
04711
Nama Ruas Jalan
Panton Labu/Simpang
(km 328) - Peureulak
Peureulak (km 392) Batas Kota Langsa
Jalan A.M.Ibrahim
(Langsa)
Jalan Ahmad Yani
(Langsa)
Batas Kota Langsa Batas Prov. SUMUT
Jalan Agus Salim
(Langsa)
Batas Kota Langsa Kuala Langsa
Jalan Kuala Langsa
(Langsa)
Jumlah
Bobot Variabel Relatif
Panjang
Jalan
(km)
% Kondisi Perkerasan
Baik
Sedang
Bobot Tiap Kondisi
Rusak Rusak
Ringan Berat
Total
Baik
Sedang
Rusak
Ringan
Rusak
Berat
Total
Bobot
Kondisi
65.48
0.7144 0.28558
0
0
100% 0.0169 0.01828
0
0
0.03519
44.339
0.7736 0.22641
0
0
100% 0.0183 0.01449
0
0
0.03280
4.679
0.2137 0.78628
0
0
100% 0.0051 0.05032
0
0
0.05538
5.222
0.9383 0.06166
0
0
100% 0.0222 0.00395
0
0
0.02615
50.832
0.7348 0.25771 0.00197 0.002
100% 0.0174 0.01649 0.0002
0.0007
0.03482
1.424
0.2809 0.7191
0
0
100% 0.0066 0.04602
0
0
0.05267
4.07
0.6806 0.31941
0
0
100% 0.0161 0.02044
0
0
0.03655
2.96
0.6757 0.32432
0
0
100%
0
0
0.03675
0.016
0.02076
179.01
Kondisi Baik
Kondisi Sedang
0.31031
0.0237
0.0640
Kondisi Rusak Ringan
Kondisi Rusak Berat
0.1225
0.3537
106
Sumber : Hasil Analisa
106
Universitas Sumatera Utara
Proses selanjutnya adalah menghitung bobot skor masing – masing
alternatif ruas jalan dengan cara melakukan perbandingan berpasangan tiap
alternatif ruas jalan terhadap total bobot kondisi masing – masing ruas yang
diperoleh. Range total bobot kondisi ruas jalan setiap alternatif ruas jalan dihitung
terlebih dahulu sebagai range dalam memberikan nilai skala perbandingan
berpasangan. Range tersebut diperoleh dengan mencari selisih antara total bobot
kondisi terbesar dikurang dengan total bobot kondisi terkecil, hal ini karena ruas
jalan dengan bobot total bobot kondisi yang lebih besar akan lebih diprioritaskan
dalam penanganannya dibandingkan ruas jalan yang memiliki total bobot yang
lebih kecil. Kemudian nilai selisih tersebut dibagi dengan jumlah jarak nilai skala
banding berpasangan (n). Dimana nilai skala banding berpasangan adalah 1 s/d 9.
Namun karena skala 1 merupakan perbandingan dengan tingkat kepentingan yang
sama maka range yang diperhitungkan adalah 2 s/d 9, maka n = 9 – 1 = 8.
Dari hasil rekapitulasi total bobot kondisi semua alternatif ruas jalan
diketahui bahwa ruas jalan A.M.Ibrahim (Langsa) memiliki total bobot kondisi
terbesar yaitu 0.05538. Sedangkan ruas jalan dengan total bobot kondisi terkecil
adalah ruas jalan Ahmad Yani (Langsa) yaitu sebesar 0.02615. Maka selisih bobot
terbesar dengan bobot terkecil adalah 0.05538 - 0.02615 = 0.02923. Sehingga
range pada skala 2 s/d 9 masing – masing bertambah sebesar (0.02923) / (8) =
0.003654. Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.9 berikut :
107
Universitas Sumatera Utara
Tabel 4.9 Skala Banding Berpasangan Untuk Variabel Kondisi Ruas Jalan
Skala Banding
Berpasangan
Selisih Total Bobot
Kondisi
1
0.000000
0.000000
s/d
0.000000
2
0.003654
0.000001
s/d
0.003654
3
0.007308
0.003655
s/d
0.007308
4
0.010962
0.007309
s/d
0.010962
5
0.014616
0.010963
s/d
0.014616
6
0.018270
0.014617
s/d
0.018270
7
0.021924
0.018271
s/d
0.021924
8
0.025578
0.021925
s/d
0.025578
9
0.029232
0.025579
s/d
0.029232
Range Total Bobot Kondisi
Sumber : Hasil Analisa
Sebagai contoh dalam memberikan nilai skala banding berpasangan antara
alternatif ruas jalan Panton Labu/Simpang (Km 328) – Peureulak dengan ruas
jalan Peureulak (Km 392) – batas kota Langsa adalah sebagai berikut. Untuk ruas
jalan Panton Labu/Simpang (Km 328) – Peureulak memiliki total bobot kondisi
sebesar 0.03519 dan ruas jalan Peureulak (Km 392) – batas kota Langsa sebesar
0.03280, maka selisihnya adalah = 0.03519 - 0.03280 = 0.00239. Dimana selisih
total bobot kondisi kedua ruas tersebut berada pada range nilai 2 skala banding
berpasangan. Karena selisih total bobot
kedua ruas kondisi tersebut bernilai
positif (+) maka nilai skala banding berpasangan yang digunakan adalah 2. Akan
tetapi jika selisihnya bernilai negatif (-) maka nilai skala banding berpasangan
yang dipakai adalah 1/2 atau 0.5. Adapun nilai skala banding berpasangan untuk
108
Universitas Sumatera Utara
perbandingan setiap alternatif ruas jalan terhadap variabel kondisi ruas jalan
ditampilkan pada tabel 4.10 berikut ini :
Tabel 4.10 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Kondisi Ruas Jalan
Alternatif
Ruas
010
Ruas Ruas Ruas Ruas Ruas Ruas Ruas
011 01111 01112 012 01211 047 04711
Ruas 010
1
2
1/7
4
2
1/6
1/2
1/2
Ruas 011
1/2
1
1/8
3
1/2
1/7
1/3
1/3
Ruas 01111
7
8
1
9
7
2
7
7
Ruas 01112
1/4
1/3
1/9
1
1/4
1/9
1/4
1/4
Ruas 012
1/2
2
1/7
4
1
1/6
1/2
1/2
Ruas 01211
6
7
1/2
9
6
1
6
6
Ruas 047
2
3
1/7
4
2
1/6
1
1/2
Ruas 04711
2
3
1/7
4
2
1/6
2
1
Sumber : Hasil Analisa
Setelah nilai skala banding berpasangan diperoleh maka selanjutnya
adalah menghitung bobot skor masing – masing alternatif dengan memakai
program expert choice 11, dimana prosesnya sama seperti menghitung bobot
kriteria dan bobot variabel. Adapun proses perhitungan bobot skor alternatif ruas
jalan terhadap variabel kondisi ruas jalan tersebut adalah sebagai berikut :
1. Meng- input data nilai skala banding berpasangan yang diperoleh seperti
pada tabel 4.10 di atas ke program expert choice 11 yang hasilnya dapat
dilihat pada lampiran 5.
2. Merekapitulasi output pada langkah 1.
109
Universitas Sumatera Utara
3. Menghitung bobot alternatif masing – masing ruas jalan terhadap
variabel/kriteria kondisi ruas jalan.
Rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas jalan
terhadap variabel/kriteria kondisi ruas jalan ditampilkan pada tabel 4.11 berikut :
Tabel 4.11 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap
Variabel/Kriteria Kondisi Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot
Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0570
0.03214
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0340
0.01917
3
01111 Jalan A.M.Ibrahim (Langsa)
0.3870
0.21819
4
01112 Jalan Ahmad Yani (Langsa)
0.0200
0.01128
0.0480
0.02706
0.2940
0.16576
0.0730
0.04116
0.0860
0.04849
1.00
0.56324
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot kriteria kondisi ruas jalan (Tabel 4.5) 0.5638
Sumber : Hasil Analisa
Berdasarkan perhitungan pada tabel 4.11 di atas diperoleh bahwa ruas
jalan A.M.Ibrahim (Langsa) merupakan alternatif ruas jalan dengan bobot dan
prioritas tertinggi jika di tinjau dari kondisi ruas jalan, yaitu memiliki bobot
prioritas sebesar 0.21819 atau 21,819 %.
110
Universitas Sumatera Utara
4.4.2
Bobot Alternatif Terhadap Variabel Kapasitas Ruas Jalan
Bobot dari masing – masing alternatif terhadap variabel kapasitas
diperoleh setelah terlebih dahulu menghitung kapasitas masing – masing alternatif
ruas jalan dengan rumus yang digunakan dalam Manual Kapasitas Jalan Indonesia
(MKJI) seperti pada persamaan 2.1 dan 2.2 yaitu :
Rumus kapasitas di wilayah perkotaan :
C = Co x FCW x FCSP x FCSF x FCCS
Sementara rumus kapasitas jalan antar kota :
C = Co x FCW x FCSP x FCSF
Dimana:
C
= Kapasitas (smp/jam)
Co
= Kapasitas dasar (smp/jam)
FCW
= Faktor koreksi kapasitas untuk lebar jalan
FCSP
= Faktor koreksi kapasitas akibat pembagian arah (tidak berlaku untuk
jalan satu arah)
FCSF
= Faktor koreksi kapasitas akibat hambatan samping dan bahu jalan/kereb
FCCS = Faktor koreksi kapasitas akibat ukuran kota (jumlah penduduk)
Untuk memperoleh nilai dari faktor – faktor koreksi kapasitas untuk
masing – masing alternatif ruas jalan terlebih dahulu harus diketahui data
eksisting tiap alternatif . Adapun data eksisting dari masing – masing alternatif
ruas jalan tersebut ditampilkan pada tabel 4.12 yang kemudian digunakan dalam
proses perhitungan kapasitas ruas jalan seperti pada tabel 4.13 di bawah.
111
Universitas Sumatera Utara
Tabel 4.12 Data Eksisting Tiap Alternatif Ruas Jalan
Nomor Ruas
No
Data Eksisting
1
2
3
4
5
6
7
8
9
Jumlah lajur
Panjang Jalan / Segmen (km)
Pembatas Median (D/UD)
Arah
Pembagian arah ( % - % )
Lebar jalan efektif (m)
Lebar bahu efektif (m)
Ukuran kota (juta penduduk)
Kelas hambatan samping
Permukiman
Permukiman, beberapa transportasi umum
Daerah industri dengan beberapa toko di pinggir
jalan
Daerah komersial, aktivitas pinggir jalan tinggi
012
010
011
01111 01112 Segmen Segmen Segmen 01211
047
04711
1
2
3
2
2
2
4
4
2
4
2
2
2
50.83
65.48 44.33
4.67
5.22
1.42
4.07
2.96
UD
UD
UD
D
D
UD
D
UD
UD
UD
2
2
2
2
2
2
2
2
2
2
50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50
7
7
6
13
14
7
16.4
7
6.8
6.8
1
0.8
0.6
0.5
0.8
0.8
1.2
0.6
0.5
1
0.1568
0.25191
√
√
√
√
√
√
√
√
√
√
112
Daerah komersial dengan aktivitas perbelanjaan
pinggir jalan
Sumber : Hasil Analisa
112
Universitas Sumatera Utara
Tabel 4.13 Rekapitulasi Perhitungan Kapasitas Ruas Jalan
No
Nomor
Ruas
Nama Ruas
Co
FCw
FCsp
FCsf
FCcs
Kapasitas (smp/jam)
a
b
c
d
e
f
g
h
i = (d*e*f*g*h)
1
010
Panton Labu/Simpang (km 328) - Peureulak
2900
1.00
1.0
0.95
-
2755.000
2
011
Peureulak (km 392) - Batas Kota Langsa
2900
1.00
1.0
0.91
-
2639.000
3
01111 Jalan A.M.Ibrahim (Langsa)
2900
0.87
1.0
0.91
-
2295.930
4
01112 Jalan Ahmad Yani (Langsa)
6600
0.96
1.0
0.88
0.90
5018.112
Segmen 1 (Awal batas kota Langsa)
6600
1.00
1.0
0.91
-
6006.000
Segmen 2 (Sampai Batas SUMUT)
2900
1.00
1.0
0.91
-
2639.000
Segmen 3 (Kota Tamiang)
6600
1.08
1.0
0.98
0.90
6286.896
Batas Kota Langsa - Batas Prov. SUMUT
5
012
Rata - rata
6
7
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
8 04711 Jalan Kuala Langsa (Langsa)
Sumber : Hasil Analisa
4977.299
2900
1.00
1.0
0.91
-
2639.000
2900
0.88
1.0
0.88
-
2245.760
2900
0.88
1.0
0.95
-
2424.400
113
113
Universitas Sumatera Utara
Berdasarkan data pada tabel 4.12 diperoleh nilai setiap faktor koreksi
kapasitas yang sesuai dengan tabel 2.5 s.d tabel 2.11. Setelah besarnya kapasitas
suatu ruas jalan diperoleh seperti pada tabel 4.13 di atas, maka selanjutnya
dilakukan pembobotan alternatif ruas jalan terhadap variabel kapasitas ruas jalan.
Dalam proses pembobotan alternatif terhadap variabel kapasitas ruas jalan
dilakukan perbandingan berpasangan tiap alternatif ruas jalan. Range selisih
kapasitas ruas jalan diperoleh dengan mencari selisih antara kapasitas ruas jalan
terkecil dikurang dengan kapasitas ruas jalan terbesar, hal ini karena ruas jalan
dengan kapasitas yang lebih kecil akan lebih diprioritaskan penanganannya.
Kemudian nilai selisih tersebut dibagi dengan jumlah jarak nilai skala banding
berpasangan (n), yaitu n = 9 – 1 = 8.
Dari hasil rekapitulasi kapasitas ruas jalan semua alternatif ruas jalan
diketahui bahwa ruas jalan Ahmad Yani (Langsa) merupakan ruas jalan dengan
kapasitas ruas jalan terbesar yaitu sebesar 5,018.112 smp/jam, sedangkan ruas
jalan yang memiliki kapasitas ruas jalan terkecil adalah ruas jalan batas kota
Langsa – Kuala Langsa yaitu sebesar 2,245.760 smp/jam. Maka selisih nilai
kapasitas ruas jalan terkecil dengan
kapasitas terbesar adalah 2,245.760 -
5,018.112 = (-) 2,772.352 smp/jam. Sehingga range pada skala 2 s/d 9 masing –
masing bertambah sebesar (2,772.352) / (8) = 346.544 smp/jam.
Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.14 berikut ini :
114
Universitas Sumatera Utara
Tabel 4.14 Skala Banding Berpasangan Untuk Variabel Kapasitas Ruas Jalan
Skala Banding
Berpasangan
Selisih Kapasitas
(smp/jam)
1
0.000
0.000
s/d
0.000
2
346.544
0.001
s/d
346.544
3
693.088
346.545
s/d
693.088
4
1039.632
693.089
s/d
1039.632
5
1386.176
1039.633
s/d
1386.176
6
1732.720
1386.177
s/d
1732.720
7
2079.264
1732.721
s/d
2079.264
8
2425.808
2079.265
s/d
2425.808
9
2772.352
2425.809
s/d
2772.352
Range (smp/jam)
Sumber : Hasil Analisa
Sebagai contoh dalam memberikan nilai skala banding berpasangan antara
alternatif ruas jalan Panton Labu/Simpang (Km 328) – Peureulak dengan ruas
jalan Peureulak (Km 392) – batas kota Langsa adalah sebagai berikut. Untuk ruas
jalan Panton Labu/Simpang (Km 328) – Peureulak memiliki kapasitas sebesar
2755 smp/jam dan ruas jalan Peureulak (Km 392) – batas kota Langsa memiliki
kapasitas sebesar 2639 smp/jam, maka selisih kapasitas nya adalah = 2755 – 2639
= 116 smp/jam. Dimana selisih kapasitas kedua ruas tersebut berada pada range
nilai 2 skala banding berpasangan. Karena selisih kapasitas kedua ruas tersebut
bernilai positif (+) maka nilai skala banding berpasangan yang digunakan adalah
1/2 atau 0.5, akan tetapi jika selisih nilai kapasitas ruasnya bernilai negatif (-)
maka nilai skala banding berpasangan yang dipakai adalah 2. Hal ini karena
115
Universitas Sumatera Utara
diasumsikan bahwa ruas jalan dengan kapasitas jalan yang lebih kecil akan lebih
diprioritaskan
penanganannya.
Nilai
skala
banding
berpasangan
untuk
perbandingan setiap alternatif terhadap variabel kapasitas ruas jalan dapat dilihat
pada tabel 4.15 berikut :
Tabel 4.15 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Kapasitas Ruas Jalan
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
1/2
1/3
8
8
1/2
1/3
1/2
Ruas 011
2
1
1/2
8
8
1
1/3
1/2
Ruas 01111
3
2
1
9
9
2
1/2
2
Ruas 01112
1/8
1/8
1/9
1
1/2
1/8
1/9
1/9
Ruas 012
1/8
1/8
1/9
2
1
1/8
1/9
1/9
Ruas 01211
2
1
1/2
8
8
1
1/3
1/2
Ruas 047
3
3
2
9
9
3
1
2
Ruas 04711
2
2
1/2
9
9
2
1/2
1
Alternatif
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Setelah nilai skala banding berpasangan diperoleh maka selanjutnya
adalah menghitung bobot skor masing – masing alternatif dengan memakai
program expert choice 11. Adapun proses perhitungan bobot skor alternatif ruas
jalan terhadap variabel kapasitas ruas jalan tersebut adalah sebagai berikut :
1. Meng- input data nilai skala banding berpasangan yang diperoleh seperti
pada tabel 4.15 di atas ke program expert choice 11 yang hasilnya
disajikan pada lampiran 6 .
2. Merekapitulasi output pada langkah 1.
3. Menghitung bobot alternatif terhadap variabel relatif kapasitas ruas jalan.
116
Universitas Sumatera Utara
Rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas jalan
terhadap variabel relatif kapasitas ruas jalan dengan menggunakan program expert
choice 11 ditampilkan pada tabel 4.16 berikut :
Tabel 4.16 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Kapasitas Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0880
0.00788
2
011
Peureulak (km 392) - Batas Kota Langsa
0.1160
0.01038
3
01111 Jalan A.M.Ibrahim (Langsa)
0.2060
0.01844
4
01112 Jalan Ahmad Yani (Langsa)
0.0160
0.00143
0.0200
0.00179
0.1160
0.01038
0.2750
0.02461
0.1630
0.01459
1.00
0.08950
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif kapasitas ruas jalan (Tabel 4.5)
0.0895
Sumber : Hasil Analisa
Berdasarkan perhitungan pada tabel 4.16 di atas diperoleh ruas jalan batas
kota Langsa – Kuala Langsa merupakan alternatif ruas jalan dengan bobot dan
prioritas tertinggi jika di tinjau dari variabel kapasitas ruas jalan dengan bobot
prioritas sebesar 0.02461 atau 2,461 %.
117
Universitas Sumatera Utara
4.4.3
Bobot Alternatif Terhadap Variabel Volume Lalulintas
Analisis pembobotan alternatif ruas jalan terhadap variabel volume lalu
lintas berasumsi bahwa alternatif ruas jalan dengan volume lalu lintas yang lebih
besar akan lebih diprioritaskan penanganannya dibandingkan dengan alternatif
ruas jalan dengan volume lalu lintas yang lebih kecil. Analisa dilakukan
berdasarkan pada data sekunder yang diperoleh dari satuan kerja perencanaan dan
pengawasan jalan nasional Aceh yang dilampirkan pada lampiran 7. Adapun
rekapitulasi data volume lalu lintas untuk masing – masing alternatif tersebut
dapat dilihat pada tabel 4.17 berikut ini :
Tabel 4.17 Rekapitulasi Volume Lalu Lintas Setiap Alternatif Ruas Jalan
No
Urut
Nomor
Ruas
LHRT
(kend/hari)
1
010
Panton Labu/Simpang (km 328) - Peureulak
5,257
2
011
Peureulak (km 392) - Batas Kota Langsa
4,907
3
01111
Jalan A.M.Ibrahim (Langsa)
3,039
4
01112
Jalan Ahmad Yani (Langsa)
89,205
5
012
Batas Kota Langsa - Batas Prov. SUMUT
6,160
6
01211
Jalan Agus Salim (Langsa)
14,440
7
047
Batas Kota Langsa - Kuala Langsa
9,194
8
04711
Jalan Kuala Langsa (Langsa)
14,301
Nama Ruas
Sumber : Satuan Kerja Perencanaan dan Pengawasan Jalan Nasional Aceh Balai
Besar Pelaksanaan Jalan Nasional I Direktorat Jenderal Bina Marga
Range selisih LHRT diperoleh dengan mencari selisih antara LHRT
terbesar dikurang dengan LHRT terkecil. Hal ini karena ruas jalan dengan LHRT
yang nilainya lebih besar akan lebih diprioritaskan dalam penanganannya.
118
Universitas Sumatera Utara
Kemudian selisih LHRT tersebut dibagi dengan jumlah jarak nilai skala banding
berpasangan (n), dimana n = 9 – 1 = 8.
Dari hasil rekapitulasi LHRT diperoleh ruas jalan Ahmad Yani (Langsa)
merupakan ruas jalan dengan LHRT terbesar yaitu sebesar 89,205 kend/hari.
Sedangkan ruas jalan dengan LHRT terkecil adalah ruas jalan A.M.Ibrahim
(Langsa) yaitu sebesar 3,039 kend/hari. Maka selisih nilai LHRT = 86166
kend/hari. Sehingga range bertambah sebesar (86166 kend/hari) / (8) = 10,770.75
kend/hari. Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.18 berikut :
Tabel 4.18 Skala Banding Berpasangan Untuk Variabel Volume Lalu Lintas
Skala Banding
Berpasangan
Selisih Nilai LHRT
(kend/hari)
1
0.00
0.00
s/d
0.00
2
10770.75
0.01
s/d
10770.75
3
21541.50
10770.76
s/d
21541.50
4
32312.25
21541.51
s/d
32312.25
5
43083.00
32312.26
s/d
43083.00
6
53853.75
43083.01
s/d
53853.75
7
64624.50
53853.76
s/d
64624.50
8
75395.25
64624.51
s/d
75395.25
9
86166.00
75395.26
s/d
86166.00
Range (kend/hari)
Sumber : Hasil Analisa
119
Universitas Sumatera Utara
Apabila selisih LHRT bernilai positif (+) maka nilai skala banding
berpasangan yang digunakan adalah nilai skala perbandingan 1 s/d 9. Akan tetapi
jika selisih LHRT bernilai negatif (-) maka nilai skala banding berpasangan yang
dipakai adalah nilai kebalikannya. Adapun nilai skala banding berpasangan untuk
perbandingan setiap alternatif terhadap variabel volume lalulintas dapat dilihat
pada tabel 4.19 berikut:
Tabel 4.19 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Volume Lalulintas
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
2
2
1/9
1/2
1/2
1/2
1/2
Ruas 011
1/2
1
2
1/9
1/2
1/2
1/2
1/2
Ruas 01111
1/2
1/2
1
1/9
1/2
1/3
1/2
1/3
Ruas 01112
9
9
9
1
9
8
9
8
Ruas 012
2
2
2
1/9
1
1/2
1/2
1/2
Ruas 01211
2
2
3
1/8
2
1
2
2
Ruas 047
2
2
2
1/9
2
1/2
1
1/2
Ruas 04711
2
2
3
1/8
2
1/2
2
1
Alternatif
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Selanjutnya adalah menghitung bobot skor masing – masing alternatif
dengan memakai program expert choice 11. Hasil perhitungan dengan program
expert choice 11 dapat dilihat pada lampiran 8.
Adapun rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas
jalan terhadap variabel relatif volume lalu lintas ditampilkan pada tabel 4.20
berikut ini :
120
Universitas Sumatera Utara
Tabel 4.20 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Volume Lalulintas
No Nomor
Urut Ruas
Nama Ruas
Bobot Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0510
0.00158
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0430
0.00133
3
01111 Jalan A.M.Ibrahim (Langsa)
0.0330
0.00102
4
01112 Jalan Ahmad Yani (Langsa)
0.5370
0.01665
0.0610
0.00189
0.1090
0.00338
0.0730
0.00226
0.0920
0.00285
1.00
0.03097
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif volume lalu lintas (Tabel 4.5)
0.0310
Sumber : Hasil Analisa
Berdasarkan hasil perhitungan pada tabel 4.20 di atas menunjukkan bahwa
ruas jalan Ahmad Yani (Langsa) merupakan alternatif ruas jalan dengan bobot
dan prioritas tertinggi jika di tinjau dari variabel volume lalu lintas, yaitu memiliki
bobot prioritas sebesar 0.01665 atau 1,665 %.
4.4.4
Bobot Alternatif Terhadap Variabel Biaya Penanganan Jalan
Analisis bobot alternatif terhadap variabel biaya penanganan jalan
dilakukan dengan asumsi bahwa ruas jalan dengan nilai biaya penanganan lebih
kecil akan lebih diprioritaskan dibandingkan ruas jalan dengan biaya yang lebih
besar.
121
Universitas Sumatera Utara
Adapun data biaya penanganan jalan untuk semua alternatif ruas jalan
dapat dilihat pada tabel 4.21 berikut ini :
Tabel 4.21 Biaya Penanganan Untuk Semua Alternatif Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Biaya Penanganan
1
010
Panton Labu/Simpang (km 328) - Peureulak
Rp
45,408,200,000
2
011
Peureulak (km 392) - Batas Kota Langsa
Rp
1,843,560,000
3
01111 Jalan A.M.Ibrahim (Langsa)
Rp
267,160,000
4
01112 Jalan Ahmad Yani (Langsa)
Rp
75,000,000
Rp
78,942,488,000
Rp
83,560,000
Rp
122,100,000
Rp
82,500,000
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Sumber : Satuan Kerja Pelaksana Jalan Nasional Wilayah I Provinsi Aceh
Range selisih biaya penanganan diperoleh dengan menghitung selisih
antara biaya penanganan jalan terkecil dengan biaya penanganan terbesar. Hal ini
karena ruas jalan dengan biaya penanganan lebih kecil akan lebih diprioritaskan
penanganannya. Kemudian selisih biaya penanganan tersebut dibagi dengan
jumlah jarak nilai skala banding berpasangan (n), dimana n = 9 – 1 = 8.
Dari tabel 4.21 di atas dapat diketahui bahwa ruas jalan Ahmad Yani
(Langsa) merupakan ruas jalan dengan biaya pemeliharaan terkecil yaitu sebesar
Rp.75,000,000,-. Sedangkan ruas jalan yang memiliki biaya pemeliharaan terbesar
adalah ruas jalan batas kota Langsa – batas Provinsi SUMUT yaitu sebesar
Rp.78,942,488,000,-. Maka selisih nilai biaya pemeliharaan terkecil dengan biaya
122
Universitas Sumatera Utara
pemeliharaan terbesar adalah (Rp.75,000,000,-) – (Rp.78,942,488,000,-) = (-)
(Rp.78,867,488,000). Sehingga range pada skala 2 s/d 9 masing – masing
bertambah sebesar (Rp.78,867,488,000) / (8) = Rp.9,858,436,000,-. Sehingga nilai
skala banding berpasangan dalam membandingkan masing – masing alternatif
ruas jalan terhadap variabel biaya penanganan jalan seperti yang ditampilkan pada
tabel 4.22 berikut :
Tabel 4.22 Skala Banding Berpasangan Untuk Variabel Biaya Penanganan Jalan
Skala Banding
Berpasangan
Selisih Biaya
(Rpx106)
1
0.000
0.000
s/d
0.000
2
9858.436
0.001
s/d
9858.436
3
19716.872
9858.437
s/d
19716.872
4
29575.308
19716.873
s/d
29575.308
5
39433.744
29575.309
s/d
39433.744
6
49292.180
39433.745
s/d
49292.180
7
59150.616
49292.181
s/d
59150.616
8
69009.052
59150.617
s/d
69009.052
9
78867.488
69009.053
s/d
78867.488
6
Range (Rpx10 )
Sumber : Hasil Analisa
Adapun nilai skala banding berpasangan untuk perbandingan setiap
alternatif terhadap variabel biaya penanganan dari masing – masing alternatif
ditampilkan pada tabel 4.23 di bawah ini :
123
Universitas Sumatera Utara
Tabel 4.23 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Biaya Penanganan
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
1/6
1/6
1/6
5
1/6
1/6
1/6
Ruas 011
6
1
1/2
1/2
9
1/2
1/2
1/2
Ruas 01111
6
2
1
1/2
9
1/2
1/2
1/2
Ruas 01112
6
2
2
1
9
2
2
2
1/5
1/9
1/9
1/9
1
1/9
1/9
1/9
Ruas 01211
6
2
2
1/2
9
1
2
1/2
Ruas 047
6
2
2
1/2
9
1/2
1
1/2
Ruas 04711
6
2
2
1/2
9
2
2
1
Alternatif
Ruas 012
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Dengan meng-input nilai skala banding berpasangan pada tabel 4.23 di
atas ke program expert choice 11 maka diperoleh bobot skor masing – masing
alternatif terhadap variabel biaya penanganan jalan dimana hasil perhitungannya
dilampirkan pada lampiran 9.
Adapun rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas
jalan terhadap variabel relatif biaya penanganan jalan ditampilkan pada tabel 4.24
di bawah ini :
124
Universitas Sumatera Utara
Tabel 4.24 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Biaya Penanganan Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot
Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0310
0.00978
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0990
0.03123
3
01111 Jalan A.M.Ibrahim (Langsa)
0.1180
0.03723
4
01112 Jalan Ahmad Yani (Langsa)
0.2340
0.07383
0.0150
0.00473
0.1660
0.05237
0.1400
0.04417
0.1970
0.06215
1.00
0.31550
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif biaya penanganan jalan (Tabel 4.5) 0.3155
Sumber : Hasil Analisa
Berdasarkan rekapitulasi hasil perhitungan pada tabel 4.24 di atas
diperoleh ruas jalan
Ahmad Yani (Langsa) merupakan alternatif ruas jalan
dengan bobot dan prioritas penanganan tertinggi jika di tinjau dari biaya
penanganannya, yaitu memiliki bobot prioritas sebesar 0.07383 atau 7,383 %.
4.5
Prioritas Penangana
METODOLOGI PENELITIAN
Metodologi adalah suatu kerangka pendekatan pola pikir dalam rangka
menyusun dan melaksanakan suatu penelitian. Tujuannya adalah untuk mengarahkan
proses berpikir untuk menjawab permasalahan yang akan diteliti lebih lanjut agar
berlangsung secara terarah.
3.1
Jenis Penelitian
Penelitian tentang penentuan prioritas penanganan ruas jalan nasional Panton
Labu/Simpang – Langsa – batas SUMUT ini termasuk dalam jenis penelitian survei
dimana penelitian ini mengambil sampel dari satu populasi dan informasi diperoleh
melalui responden dengan menggunakan kuesioner. Proses analisis dilakukan dengan
menggunakan data sekunder seoptimal mungkin. Metode yang dipakai adalah
metode Analytical Hierarchy Process (AHP) dan metode Bina Marga. Program
Expert Choice 11 yang merupakan perangkat lunak dari penerapan teori Analytical
Hierarchy Process (AHP) dipakai dalam mengolah data hasil kuesioner dari para
responden.
3.2
Daerah Penelitian
Daerah penelitian meliputi 8 (delapan) ruas jalan nasional yang tersebar di 3
(tiga) kabupaten/kota di wilayah provinsi Aceh mulai batas kabupaten Aceh Utara
sampai batas provinsi Sumatera Utara (SUMUT) dengan panjang total 179 km. Dari
88
Universitas Sumatera Utara
8 (delapan) ruas yang ada tidak semua ruas dapat dilakukan penanganan, sehingga
sangat diperlukan penentuan skala prioritas penanganannya.
Adapun data ke 8 (delapan) ruas jalan tersebut yang menjadi daerah
penelitian dapat dilihat pada tabel 3.1 berikut ini :
Tabel 3.1 Ruas Jalan Nasional yang Menjadi Daerah Penelitian
Kondisi Jalan
No
Urut
No
Ruas
Kab /
Kota
Nama Ruas
Panjang
Jalan
Rusak Rusak
Ringan Berat
Baik
Sedang
(km)
(km)
(km)
(km)
(km)
1
010
Aceh Panton Labu/Simpang (Km
Timur 328) - Peureulak
65.48
46.78
18.7
0
0
2
011
Aceh Peureulak - (Km 392) - Bts.
Timur Kota Langsa
44.339
34.3
10.039
0
0
3
01111 Langsa Jln. AM.Ibrahim (Langsa)
4.679
1
3.679
0
0
4
01112 Langsa Jln. Ahmad Yani (Langsa)
5.222
4.9
0.322
0
0
37.53
13.1
0.1
0.1
5
6
7
8
012
Aceh Bts. Kota Langsa - Bts. Prov.
50.832
Tamiang SUMUT
01211 Langsa Jln. Agus Salim (Langsa)
1.424
0.4
1.024
0
0
Bts. Kota Langsa - Kuala
Langsa
4.07
2.77
1.3
0
0
2.96
2
0.96
0
0
49.124
0.1
0.1
047
Langsa
04711 Langsa Jln. Kuala Langsa (Langsa)
Jumlah
179.006 129.7
Sumber : Satker Perencanaan dan Pengawasan Jalan Nasional Aceh
89
Universitas Sumatera Utara
3.3
Prosedur Penelitian
Proses tahapan penelitian untuk tugas akhir ini secara umum diperlihatkan
melalui bagan alir (flowchart) pada gambar 3.1. Dimana prosedurnya sesuai dengan
prinsip dasar AHP yaitu sebagai berikut :
1. Perumusan masalah
Merumuskan permasalahan yang dihadapi pemerintah pusat yaitu dengan
adanya ketidakseimbangan antara kebutuhan pendanaan jalan dengan
kemampuan dana APBN sehingga pemerintah pusat mengalami kesulitan
untuk memenuhi SPM jalan serta mempertahankan kondisi ruas jalan tetap
dalam kondisi mantap.
2. Melakukan tinjauan pustaka
Kajian pustaka dilakukan untuk mencari dan mendapatkan teori dan konsepkonsep yang relevan serta peraturan-peraturan yang menjadi dasar untuk
melakukan analisa.
3. Mengumpulkan data
Data yang dikumpulkan dalam penelitian ini meliputi data primer yaitu data
persepsi yang merupakan hasil kuesioner dari pemangku kepentingan
(stakeholder) yang terdiri dari wakil perencana, wakil pelaksana dan wakil
pengguna/masyarakat. Selain data primer, dikumpulkan juga data sekunder
yang relevan dengan penelitian ini yang meliputi data kondisi ruas jalan,
lalulintas harian rata – rata (LHR), peta jaringan jalan, data geometrik ruas
jalan, data biaya penanganan ruas jalan pada daerah penelitian, data nilai rata
– rata penghasilan masyarakat atau product domestic regional bruto (PDRB),
90
Universitas Sumatera Utara
angka pertumbuhan lalu lintas serta data komponen unit biaya operasional
kendaraan (BOK).
4. Pengolahan dan analisis data
Mengolah data persepsi yang merupakan hasil kuesioner dari para pemangku
kepentingan (stakeholders) dengan menggunakan program expert choice 11
yang merupakan perangkat lunak dari penerapan teori analytical hierarchy
process. Selain itu, dalam proses analisa prioritas penanganan jalan juga
dilakukan analisa dengan metode bina marga dan digunakan hanya sebagai
metode pembanding.
5. Penyusunan urutan prioritas ruas jalan
Pada tahap ini dilakukan penyusunan urutan prioritas jalan yang akan
ditangani pemeliharaannya agar ruas yang telah dinilai dari beberapa kriteria
dalam metode AHP dan metode Bina Marga tersebut akan diutamakan
pengerjaannya.
6. Membandingkan dengan metode yang dipakai pemerintah
Hasil yang diperoleh dari metode AHP akan dibandingkan dengan hasil dari
metode yang dipakai pemerintah yakni metode bina marga, sehingga bisa
dilihat pola/ kecenderungan kriteria penanganan yang dipakai masing-masing
metode.
Adapun metodologi penelitian untuk penelitian tugas akhir ini diperlihatkan
melalui bagan alir penelitian pada gambar 3.1 berikut :
91
Universitas Sumatera Utara
Mulai
Latar Belakang
Perumusan Masalah
Bagaimana kriteria dan prioritas dalam menentukan penanganan pada ruas jalan nasional
Panton Labu – Langsa – Batas SUMUT serta apakah ada perbedaan prioritas dengan
memakai metode Analytical Hierarchy Process (AHP) berdasarkan kriteria kondisi ruas
jalan, arus lalu lintas dan biaya penanganan dan dengan memakai metode Bina Marga
Studi Literatur
Pengumpulan Data
Penentuan Kriteria
Pengolahan Data
Peta Jaringan Jalan Nasional
Provinsi Aceh
Data kondisi ruas jalan nasional
Panton Labu – Langsa – Batas
SUMUT
Data LHR
Data biaya penanganan pada
ruas jalan nasional Panton Labu
– Langsa – Batas SUMUT
UU dan Peraturan terkait
Data geometrik jalan
Data PDRB Aceh
Angka pertumbuhan lalulintas
Kuesioner
Analisa Penelitian
Analisa dilakukan berdasarkan 3 (tiga) kriteria yang digunakan dalam penelitian ini
Menganalisa kriteria yang menjadi prioritas dalam penanganan ruas jalan nasional Panton
Labu – Langsa –Batas SUMUT
Menganalisa ruas jalan yang menjadi prioritas penanganannya memakai metode AHP dan
metode Bina Marga
Membandingkan hasil penelitian antara metode AHP dan metode Bina Marga
Hasil Penelitian
Kriteria yang menjadi prioritas dalam penanganan ruas jalan nasional Panton
Labu/Simpang – Langsa – Batas SUMUT
Urutan ruas jalan yang menjadi prioritas penanganannya berdasarkan bobot tertinggi
Hasil perbandingan dari kedua metode
Kesimpulan dan Saran
Selesai
Gambar 3.1 Bagan Alir Metodologi Penelitian (Flowchart)
92
Universitas Sumatera Utara
3.4
Variabel Penelitian
Untuk menyelesaikan penelitian tugas akhir ini diperlukan sejumlah kriteria
yang dijadikan sebagai kandidat variabel dalam hal ini harus memenuhi syarat
berikut ini :
1. Diusahakan dapat dimulai dengan variabel yang kuantitatif sehingga
obyektifitas penilaian dapat dipertahankan
2. Data variabel mudah dikumpulkan dan selalu dapat diperbaharui
3. Mampu mewakili karakteristik jalan sebagai gambaran yang layak mengenai
tingkat kepentingan ruas yang akan ditangani.
Variabel yang digunakan adalah 3 (tiga) kriteria yang dianggap paling
berpengaruh sebagai dasar pertimbangan penanganan jalan yang diperoleh dari hasil
wawancara pada para responden serta dengan pertimbangan dari beberapa penelitian
terdahulu seperti yang telah dijelaskan pada bab sebelumnya, yaitu :
1. Kriteria kondisi jalan
a. Baik
b. Sedang
c. Rusak ringan
d. Rusak berat
2. Kriteria arus lalu lintas
a. Kapasitas ruas jalan
b. Volume lalu lintas
3. Kriteria Biaya Penanganan
Secara umum susunan hierarki penelitian ini seperti ditunjukkan pada gambar
3.2 berikut :
93
Universitas Sumatera Utara
Prioritas Penanganan Ruas Jalan Nasional Panton
Labu/Simpang – Langsa – Batas SUMUT
Arus Lalulintas
Kapasitas
Volume
Lalulintas
Biaya Penanganan
Kondisi Jalan
Baik
Sedang
Rusak
Ringan
Rusak
Berat
Urutan Prioritas Penanganan 8 (delapan) Ruas Jalan Nasional Pada Daerah
Penelitian (Jalan 1, Jalan 2, dst)
Gambar 3.2 Skema Susunan Hierarki Penelitian
3.5
Sampel Penelitian
Survei yang dilakukan pada penelitian ini pemilihan sampel responden
bersifat tidak acak (non random sampling) dilakukan dengan cara purposive
sampling, dimana sampel dipilih berdasarkan pertimbangan tertentu bahwa unsurunsur yang dikehendaki telah ada dalam sampel responden yang diambil. Salah satu
metode dalam purposive sampling adalah pemakaian expert sampling dimana expert
sampling terdiri dari sampel orang yang diketahui mempunyai pengalaman atau
keahlian dalam suatu bidang. Ada dua alasan mengapa expert sampling dipakai.
Pertama, ini adalah cara terbaik untuk memperoleh sampel orang yang punya specific
expertise. Dalam hal ini expert sampling adalah hal yang khusus dari purposive
sampling. Alasan lainnya adalah expert sampling tersebut dapat digunakan sebagai
94
Universitas Sumatera Utara
bukti penguat validitas sampel yang dipilih menggunakan metoda non probabilistik
lainnya. (Wadjidi, 2008 dalam Sembiring, 2008).
Sampel responden pada penelitian ini merupakan para
pemangku
kepentingan (stakeholder) yang berada pada level pengambil keputusan di balai
besar pelaksana jalan nasional wilayah I yakni satuan kerja perencanaan dan
pengawasan jalan nasional Aceh (Satker P2JN Aceh), satker pelaksanaan jalan
nasional wilayah I provinsi Aceh (Satker PJN I Aceh) dan badan perencanaan
pembangunan daerah provinsi Aceh (Bappeda Aceh). Sementara sebagai wakil dari
pengguna jalan diambil responden dari akademisi dan organisasi himpunan
pengembang jalan Indonesia (HPJI).
95
Universitas Sumatera Utara
BAB IV
ANALISA DAN PEMBAHASAN
4.1
Data Hasil Survei
Untuk memperoleh data persepsi dari para pemangku kepentingan
(stakeholder) maka dilakukan survei terhadap para responden. Responden tersebut
terdiri dari 2 (dua) responden wakil dari perencana program, 2 (dua) responden wakil
pelaksana dan 2 (dua) responden wakil pengguna jalan. Adapun distribusi responden
tersebut dapat dilihat dalam tabel 4.1 berikut ini :
Tabel 4.1 Data Distribusi Responden
Jumlah
No
Instansi
Responden
Keterangan
Satuan Kerja Perencanaan dan Pengawasan
1
1 responden
Jalan Nasional Aceh (BBPJN I)
2
Badan Perencanaan Pembangunan Aceh
Wakil
Perencana
1 responden
Satuan Kerja Pelaksanaan Jalan Nasional
3
2 responden
Wilayah I Aceh (BBPJN I)
Wakil
Pelaksana
Himpunan Pengembangan Jalan Indonesia
4
1 responden
(HPJI) Aceh
5
Wakil
Pengguna
Akademisi
1 responden
Total
6 responden
Sumber : Hasil Analisa
Dari hasil survei dengan menggunakan kuesioner seperti pada lampiran 1
terhadap 6 (enam) responden diperoleh distribusi perangkingan kriteria menurut
96
Universitas Sumatera Utara
kelompok responden. Adapun hasil penempatan rangking seluruh responden
terhadap semua kriteria direkapitulasi sehingga terlihat urutan rangking kriteria
seperti yang disajikan dalam tabel 4.2 berikut ini :
Tabel 4.2 Urutan Rangking Kriteria Menurut Responden
No
Kriteria dan Kelompok
Responden
Perangkingan
Rangking 1
Rangking 2
Rangking 3
a. Wakil Perencana
2
-
-
b. Wakil Pelaksana
-
2
-
c. Wakil Pengguna
2
-
-
a. Wakil Perencana
-
1
1
b. Wakil Pelaksana
-
-
2
c. Wakil Pengguna
-
2
-
a. Wakil Perencana
-
1
1
b. Wakil Pelaksana
2
-
-
c. Wakil Pengguna
Sumber : Hasil Analisa
-
-
2
1
2
3
Kondisi ruas jalan
Arus ruas jalan
Biaya pemeliharaan jalan
Perincian hasil persepsi para responden yang telah disajikan dalam tabel 4.2
di atas menunjukkan bahwa responden yang menempatkan kriteria 1 yaitu kriteria
kondisi ruas jalan sebagai rangking 1 adalah 4 responden (66,67%), rangking 2
adalah 2 responden (33,33%) dan rangking 3 adalah 0 responden (0%). Responden
yang menempatkan kriteria 2 yakni kriteria arus ruas jalan sebagai rangking 1
sebanyak 0 responden (0%), rangking 2 sebanyak 3 responden (50%) dan rangking 3
sebanyak 3 responden (50%). Responden yang menempatkan kriteria 3 yakni kriteria
biaya pemeliharaan jalan sebagai rangking 1 sebanyak 2 responden (33,33%),
rangking 2 sebanyak 1 responden (16,67%) dan rangking 3 sebanyak 3 responden
97
Universitas Sumatera Utara
(50%). Maka dapat disimpulkan bahwa untuk kriteria rangking 1(satu) pilihan para
responden adalah kriteria kondisi ruas jalan sebanyak 4 (empat) responden (66,67%).
Sedangkan untuk kriteria rangking 2 (dua) dan kriteria rangking 3 (tiga) pilihan para
responden adalah kriteria biaya pemeliharaan jalan atau kriteria arus ruas jalan
dengan masing – masing sebanyak 3 (tiga) responden (50%). Karena 50% responden
menempatkan kriteria arus ruas jalan dan kriteria biaya penanganan pada rangking 2
(dua) dan rangking 3 (tiga), maka untuk kriteria yang akan menempati
peringkat/rangking 2 (dua) dan rangking 3 (tiga) pilihan responden bisa saja
ditempati oleh kriteria biaya pemeliharaan jalan atau kriteria arus ruas jalan
tergantung pada besarnya bobot dari masing – masing kriteria tersebut. Oleh karena
itu perlu dianalisis besarnya bobot masing – masing kriteria tersebut sesuai dengan
hasil kuesioner atau pilihan responden.
Dari hasil distribusi perangkingan di atas terlihat bahwa kecenderungan para
responden dalam menentukan rangking sangat dipengaruhi oleh persepsi dari
kepentingan mereka. Seperti bagi wakil perencana dan pengguna jalan yang
cenderung memberikan perhatian mereka terhadap kondisi ruas jalan yang sangat
tinggi, sedangkan untuk wakil pelaksana lebih cenderung memilih kriteria biaya
pemeliharaan jalan. Hal tersebut terkait dengan besarnya biaya yang diperlukan serta
sebagai bentuk ketersediaan anggaran dalam penanganan jalan.
4.2
Analisis Bobot Kriteria
Setelah data persepsi dari para pemangku kepentingan (stakeholder)
terkumpul, maka proses selanjutnya adalah menghitung bobot kriteria dari masing –
masing responden dan kemudian dilanjutkan dengan bobot rata-rata per kelompok
98
Universitas Sumatera Utara
stakeholder dan bobot rata-rata keseluruhan. Dalam menghitung bobot kriteria
digunakan program expert choice 11. Hasil rekapitulasi pembobotan secara
keseluruhan disebut sebagai nilai eigen vector, seperti disajikan dalam tabel 4.3 di
bawah. Adapun proses perhitungan bobot kriteria tersebut adalah :
1. Meng- input data kuesioner ke program expert choice 11 yang hasilnya dapat
dilihat pada lampiran 2.
2. Merekapitulasi output pada langkah 1.
3. Menghitung bobot kriteria per kelompok stakeholder.
4. Selanjutnya menghitung bobot kriteria (eigen vector) keseluruhan responden.
Tabel 4.3 Rekapitulasi Bobot Kriteria Secara Keseluruhan
% Bobot Kriteria
Responden
Kondisi Ruas
Jalan
Arus Ruas
Jalan
CR (maks
Biaya
0.03)
Pemeliharaan
Jalan
1
Wakil Perencana 1
0.705
0.211
0.084
0.03
2
Wakil Perencana 2
0.751
0.070
0.178
0.03
3
Wakil Pelaksana 1
0.178
0.070
0.751
0.03
4
Wakil Pelaksana 2
0.205
0.078
0.717
0.02
5
Wakil Pengguna 1
0.751
0.162
0.087
0.01
6
Wakil Pengguna 2
0.793
0.131
0.076
0.02
0.5638
0.1203
0.3155
% Rata - Rata Bobot
Keseluruhan
% Rata - Rata Bobot Kriteria Per Kelompok Stakeholders
Wakil Perencana
0.728
0.1405
0.131
Wakil Pelaksana
0.1915
0.074
0.734
Wakil Pengguna
0.772
0.1465
0.0815
0.5638
0.1203
0.3155
% Rata - Rata Bobot
Keseluruhan
Sumber : Hasil Analisa
99
Universitas Sumatera Utara
Berdasarkan perhitungan bobot rata-rata (eigen vector) keseluruhan
responden diperoleh bahwa kriteria kondisi ruas jalan memiliki bobot sebesar 56,38
%, kriteria arus ruas jalan 12,03 % dan kriteria biaya pemeliharaan jalan sebesar
31,55 %. Sehingga dapat disimpulkan bahwa kondisi ruas jalan merupakan faktor
yang sangat berpengaruh dalam penentuan prioritas penanganan ruas jalan nasional
Panton Labu / Simpang – Langsa – Batas SUMUT.
Sementara
itu
untuk
bobot
per
kelompok
pemangku
kepentingan
(stakeholders) juga jelas terlihat bahwa kelompok perencana dan pengguna jalan
sangat memprioritaskan kriteria kondisi ruas jalan dalam penanganan ruas jalan di
daerah penelitian yakni masing – masing sebesar 72,8 % dan 77,2 %. Sedangkan
bagi wakil pelaksana jalan, kriteria biaya penanganan mendapatkan bobot terbesar
yaitu sebesar 73,4 %.
4.3
Analisis Bobot Variabel
Setelah bobot untuk masing-masing kriteria diperoleh mulai dari bobot
kriteria hasil kuisioner masing-masing responden, bobot per kelompok stakeholder
dan bobot kriteria keseluruhan. Langkah selanjutnya adalah menghitung bobot
masing-masing variabel. Adapun proses perhitungan bobot variabel adalah sebagai
berikut :
1. Meng-input data kuesioner ke program expert choice 11
2. Melakukan sintesis terhadap semua variabel yang hasilnya disajikan pada
lampiran 3.
3. Merekapitulasi output pada langkah 2.
100
Universitas Sumatera Utara
4. Menghitung bobot variabel relatif per kelompok stakeholders dan
keseluruhan responden. Adapun perhitungannya disajikan dalam tabel 4.4
dan tabel 4.5 berikut ini :
Tabel 4.4 Perhitungan Bobot Variabel Secara Keseluruhan dan Per
Kelompok Pemangku Kepentingan (Stakeholders)
% Bobot Variabel
Responden
CR
Biaya (maks
Kondisi Kondisi
Volume
Pemelih 0.10)
Kondisi Kondisi
Kapasitas
Rusak
Rusak
Lalu
araan
Baik
Sedang
Ruas Jalan
Ringan
Berat
lintas
Jalan
1
WPR 1
0.0290
0.0690
0.1930
0.4140
0.1760
0.0350 0.0840
0.05
2
WPR 2
0.0300
0.1050
0.1190
0.4970
0.0350
0.0350 0.1780
0.06
3
WPL 1
0.0080
0.0160
0.0350
0.1190
0.0590
0.0120 0.7510
0.04
4
WPL 2
0.0100
0.0170
0.0480
0.1300
0.0680
0.0100 0.7170
0.02
5
WPG 1
0.0340
0.0650
0.1730
0.4780
0.0810
0.0810 0.0870
0.04
6
WPG 2
0.0310
0.1120
0.1670
0.4840
0.1180
0.0130 0.0760
0.06
% Rata - Rata
Bobot
0.0237
Keseluruhan
0.0640
0.1225
0.3537
0.0895
0.0310 0.3155
% Rata - Rata Bobot Variabel Per Kelompok Stakeholders
WPR
0.0295
0.0870
0.1560
0.4555
0.1055
0.0350 0.1310
WPL
0.0090
0.0165
0.0415
0.1245
0.0635
0.0110 0.7340
WPG
0.0325
0.0885
0.1700
0.4810
0.0995
0.0470 0.0815
% Rata - Rata
Bobot
0.0237
Keseluruhan
0.0640
0.1225
0.3537
0.0895
0.0310 0.3155
KET :
WPR : Wakil Perencana
WPG : Wakil Pengguna
WPL : Wakil Pelaksana
Sumber : Hasil Analisa
101
Universitas Sumatera Utara
Tabel 4.5 Rekapitulasi Bobot Variabel Relatif Secara Keseluruhan
No
Variabel
Bobot Variabel
Relatif
Bobot Kriteria
(a)
(b)
(c)
(d)
1
Kondisi Baik
0.0237
2
Kondisi Sedang
0.0640
3
Kondisi Rusak Ringan
0.1225
4
Kondisi Rusak Berat
0.3537
5
Kapasitas Ruas Jalan
0.0895
6
Volume Lalu lintas
0.0310
7
Biaya Pemeliharaan Jalan
0.3155
0.3155
1.000
1.000
0.5638
0.1203
Total
Sumber : Hasil Analisa
Dari hasil perhitungan bobot variabel relatif secara keseluruhan diperoleh
variabel kondisi perkerasan rusak berat mendapatkan bobot yang paling tinggi
dibandingkan kriteria yang lain dengan nilai 35,37 %, selanjutnya di urutan kedua
adalah variabel biaya pemeliharaan jalan sebesar 31,55 %. Urutan ketiga adalah
variabel kondisi perkerasan rusak ringan sebesar 12,25 %. Sedangkan urutan
keempat, kelima, keenam dan ketujuh secara berturut-turut adalah kapasitas ruas
jalan 8,95 %, kondisi sedang 6,40 %, volume lalu lintas 3,10 % dan kondisi baik
dengan bobot 2,37 %.
4.4
Analisis Bobot Alternatif Terhadap Variabel
Setelah bobot kriteria dan bobot variabel relatif diperoleh maka selanjutnya
adalah proses pembobotan alternatif ruas jalan terhadap variabel yang telah
ditentukan. Dalam proses pembobotan alternatif meliputi 7 (tujuh) variabel, yaitu 4
102
Universitas Sumatera Utara
(empat) variabel dari kriteria kondisi perkerasan ruas jalan yakni kondisi perkerasan
baik, kondisi sedang, kondisi rusak ringan dan kondisi rusak berat dan 2 (dua)
variabel dari kriteria ruas jalan yakni kapasitas ruas jalan dan volume lalulintas serta
variabel biaya pemeliharaan jalan. Sementara itu, ada 8 (delapan) alternatif ruas jalan
dalam pembobotan penentuan prioritas penanganannya di wilayah penelitian.
Adapun 8 (delapan) alternatif tersebut diperlihatkan dalam tabel 4.6 berikut :
Tabel 4.6 Alternatif Ruas Jalan Yang Dipakai Dalam Penentuan Prioritas
Penanganan Ruas Jalan Di Daerah Penelitian
Panjang
Ruas Jalan
(km)
No
Nomor
Ruas
1
010
Panton Labu/Simpang (km 328) - Peureulak
65.480
2
011
Peureulak (km 392) - Batas Kota Langsa
44.339
Nama Ruas
3
01111 Jalan A.M.Ibrahim (Langsa)
4.679
4
01112 Jalan Ahmad Yani (Langsa)
5.222
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
50.832
01211 Jalan Agus Salim (Langsa)
047
1.424
Batas Kota Langsa - Kuala Langsa
4.070
04711 Jalan Kuala Langsa (Langsa)
2.960
Panjang Ruas Jalan Total
179.006
Sumber : Satuan Kerja Perencana dan Pengawasan Jalan Nasional Aceh
4.4.1
Bobot Alternatif Terhadap Variabel Kondisi Perkerasan
Dalam pembobotan alternatif terhadap variabel kondisi perkerasan ada 4
(empat) variabel yaitu variabel kondisi baik, sedang, rusak ringan dan rusak berat.
103
Universitas Sumatera Utara
Adapun hasil rekapitulasi kondisi ruas jalan di daerah penelitian tahun 2014 dengan tipe perkerasan aspal hotmix seperti
ditunjukkan dalam tabel 4.7 di bawah. Sementara rincian data kondisi ruas jalan tahun 2014 dilampirkan pada lampiran 4.
Tabel 4.7 Kondisi Ruas Jalan Nasional Panton Labu/Simpang – Langsa – Batas SUMUT Berdasarkan Nilai IRI Tahun 2014
Kondisi Perkerasan Berdasarkan nilai IRI
No
No Ruas
Nama Ruas
Panjang
Ruas
(km)
Baik
Sedang
Rusak
Ringan
Rusak Berat
km
%
km
%
km
%
km
%
18.7
1
010
Panton Labu/Simpang (km 328) - Peureulak
65.48
46.78
71.44%
28.56%
0
0.00%
0
0.00%
2
011
Peureulak (km 392) - Batas Kota Langsa
44.339
34.3
77.36% 10.039 22.64%
0
0.00%
0
0.00%
3
01111
Jalan A.M.Ibrahim (Langsa)
4.679
1
21.37%
3.679 78.63%
0
0.00%
0
0.00%
4
01112
Jalan Ahmad Yani (Langsa)
5.222
4.9
93.83%
0.322
6.17%
0
0.00%
0
0.00%
5
012
Batas Kota Langsa - Batas Prov. SUMUT
50.832
37.532 73.84%
13.1
25.77%
0.1
0.20%
0.1
0.20%
6
01211
Jalan Agus Salim (Langsa)
1.424
0.4
28.09%
0
0.00%
0
0.00%
7
047
Batas Kota Langsa - Kuala Langsa
4.07
2.77
68.06%
1.3
31.94%
0
0.00%
0
0.00%
8
04711
Jalan Kuala Langsa (Langsa)
2.96
2
67.57%
0.96
32.43%
0
0.00%
0
0.00%
179.006
129.68
TOTAL
Panjang ruas jalan
1.024 71.91%
49.124
0.1
0.1
72.45%
27.44%
0.06%
0.06%
Persentase
100%
Sumber : Satuan Kerja Perencanaan dan Pengawasan Jalan Nasional Aceh Balai Besar Pelaksanaan Jalan Nasional I Direktorat Jenderal Bina
Marga
104
104
Universitas Sumatera Utara
Proses perhitungan bobot alternatif ruas jalan terhadap kondisi ruas jalan
diperoleh dengan langkah – langkah sebagai berikut :
1. Menghitung persentase dari tiap kondisi masing – masing ruas jalan
terhadap panjang total ruas jalan tersebut.
2. Kemudian persentase tersebut dikalikan dengan nilai bobot variabel relatif
masing – masing kondisi yaitu untuk kondisi baik, sedang, rusak ringan
dan rusak berat sesuai dengan tabel 4.5 di atas. Hasil kali tersebut disebut
sebagai bobot kondisi. Kemudian bobot tiap kondisi masing – masing ruas
jalan dijumlahkan (total bobot kondisi).
3. Menghitung bobot skor masing – masing alternatif ruas jalan dengan cara
melakukan perbandingan berpasangan masing – masing alternatif ruas
jalan terhadap total bobot kondisi masing – masing ruas yang diperoleh.
Dalam hal ini peneliti menghitung dengan memakai program expert choice
11.
4. Kemudian bobot skor dikalikan dengan bobot kriteria kondisi ruas jalan.
Rekapitulasi hasil perhitungan untuk langkah 1 dan langkah 2 dapat dilihat
pada tabel 4.8 di bawah ini :
105
Universitas Sumatera Utara
Tabel 4.8 Rekapitulasi Total Bobot Kondisi Masing – Masing Alternatif Ruas Jalan Memakai Data Kondisi Tahun 2014
No Nomor
Urut Ruas
1
010
2
011
3
01111
4
01112
5
012
6
01211
7
047
8
04711
Nama Ruas Jalan
Panton Labu/Simpang
(km 328) - Peureulak
Peureulak (km 392) Batas Kota Langsa
Jalan A.M.Ibrahim
(Langsa)
Jalan Ahmad Yani
(Langsa)
Batas Kota Langsa Batas Prov. SUMUT
Jalan Agus Salim
(Langsa)
Batas Kota Langsa Kuala Langsa
Jalan Kuala Langsa
(Langsa)
Jumlah
Bobot Variabel Relatif
Panjang
Jalan
(km)
% Kondisi Perkerasan
Baik
Sedang
Bobot Tiap Kondisi
Rusak Rusak
Ringan Berat
Total
Baik
Sedang
Rusak
Ringan
Rusak
Berat
Total
Bobot
Kondisi
65.48
0.7144 0.28558
0
0
100% 0.0169 0.01828
0
0
0.03519
44.339
0.7736 0.22641
0
0
100% 0.0183 0.01449
0
0
0.03280
4.679
0.2137 0.78628
0
0
100% 0.0051 0.05032
0
0
0.05538
5.222
0.9383 0.06166
0
0
100% 0.0222 0.00395
0
0
0.02615
50.832
0.7348 0.25771 0.00197 0.002
100% 0.0174 0.01649 0.0002
0.0007
0.03482
1.424
0.2809 0.7191
0
0
100% 0.0066 0.04602
0
0
0.05267
4.07
0.6806 0.31941
0
0
100% 0.0161 0.02044
0
0
0.03655
2.96
0.6757 0.32432
0
0
100%
0
0
0.03675
0.016
0.02076
179.01
Kondisi Baik
Kondisi Sedang
0.31031
0.0237
0.0640
Kondisi Rusak Ringan
Kondisi Rusak Berat
0.1225
0.3537
106
Sumber : Hasil Analisa
106
Universitas Sumatera Utara
Proses selanjutnya adalah menghitung bobot skor masing – masing
alternatif ruas jalan dengan cara melakukan perbandingan berpasangan tiap
alternatif ruas jalan terhadap total bobot kondisi masing – masing ruas yang
diperoleh. Range total bobot kondisi ruas jalan setiap alternatif ruas jalan dihitung
terlebih dahulu sebagai range dalam memberikan nilai skala perbandingan
berpasangan. Range tersebut diperoleh dengan mencari selisih antara total bobot
kondisi terbesar dikurang dengan total bobot kondisi terkecil, hal ini karena ruas
jalan dengan bobot total bobot kondisi yang lebih besar akan lebih diprioritaskan
dalam penanganannya dibandingkan ruas jalan yang memiliki total bobot yang
lebih kecil. Kemudian nilai selisih tersebut dibagi dengan jumlah jarak nilai skala
banding berpasangan (n). Dimana nilai skala banding berpasangan adalah 1 s/d 9.
Namun karena skala 1 merupakan perbandingan dengan tingkat kepentingan yang
sama maka range yang diperhitungkan adalah 2 s/d 9, maka n = 9 – 1 = 8.
Dari hasil rekapitulasi total bobot kondisi semua alternatif ruas jalan
diketahui bahwa ruas jalan A.M.Ibrahim (Langsa) memiliki total bobot kondisi
terbesar yaitu 0.05538. Sedangkan ruas jalan dengan total bobot kondisi terkecil
adalah ruas jalan Ahmad Yani (Langsa) yaitu sebesar 0.02615. Maka selisih bobot
terbesar dengan bobot terkecil adalah 0.05538 - 0.02615 = 0.02923. Sehingga
range pada skala 2 s/d 9 masing – masing bertambah sebesar (0.02923) / (8) =
0.003654. Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.9 berikut :
107
Universitas Sumatera Utara
Tabel 4.9 Skala Banding Berpasangan Untuk Variabel Kondisi Ruas Jalan
Skala Banding
Berpasangan
Selisih Total Bobot
Kondisi
1
0.000000
0.000000
s/d
0.000000
2
0.003654
0.000001
s/d
0.003654
3
0.007308
0.003655
s/d
0.007308
4
0.010962
0.007309
s/d
0.010962
5
0.014616
0.010963
s/d
0.014616
6
0.018270
0.014617
s/d
0.018270
7
0.021924
0.018271
s/d
0.021924
8
0.025578
0.021925
s/d
0.025578
9
0.029232
0.025579
s/d
0.029232
Range Total Bobot Kondisi
Sumber : Hasil Analisa
Sebagai contoh dalam memberikan nilai skala banding berpasangan antara
alternatif ruas jalan Panton Labu/Simpang (Km 328) – Peureulak dengan ruas
jalan Peureulak (Km 392) – batas kota Langsa adalah sebagai berikut. Untuk ruas
jalan Panton Labu/Simpang (Km 328) – Peureulak memiliki total bobot kondisi
sebesar 0.03519 dan ruas jalan Peureulak (Km 392) – batas kota Langsa sebesar
0.03280, maka selisihnya adalah = 0.03519 - 0.03280 = 0.00239. Dimana selisih
total bobot kondisi kedua ruas tersebut berada pada range nilai 2 skala banding
berpasangan. Karena selisih total bobot
kedua ruas kondisi tersebut bernilai
positif (+) maka nilai skala banding berpasangan yang digunakan adalah 2. Akan
tetapi jika selisihnya bernilai negatif (-) maka nilai skala banding berpasangan
yang dipakai adalah 1/2 atau 0.5. Adapun nilai skala banding berpasangan untuk
108
Universitas Sumatera Utara
perbandingan setiap alternatif ruas jalan terhadap variabel kondisi ruas jalan
ditampilkan pada tabel 4.10 berikut ini :
Tabel 4.10 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Kondisi Ruas Jalan
Alternatif
Ruas
010
Ruas Ruas Ruas Ruas Ruas Ruas Ruas
011 01111 01112 012 01211 047 04711
Ruas 010
1
2
1/7
4
2
1/6
1/2
1/2
Ruas 011
1/2
1
1/8
3
1/2
1/7
1/3
1/3
Ruas 01111
7
8
1
9
7
2
7
7
Ruas 01112
1/4
1/3
1/9
1
1/4
1/9
1/4
1/4
Ruas 012
1/2
2
1/7
4
1
1/6
1/2
1/2
Ruas 01211
6
7
1/2
9
6
1
6
6
Ruas 047
2
3
1/7
4
2
1/6
1
1/2
Ruas 04711
2
3
1/7
4
2
1/6
2
1
Sumber : Hasil Analisa
Setelah nilai skala banding berpasangan diperoleh maka selanjutnya
adalah menghitung bobot skor masing – masing alternatif dengan memakai
program expert choice 11, dimana prosesnya sama seperti menghitung bobot
kriteria dan bobot variabel. Adapun proses perhitungan bobot skor alternatif ruas
jalan terhadap variabel kondisi ruas jalan tersebut adalah sebagai berikut :
1. Meng- input data nilai skala banding berpasangan yang diperoleh seperti
pada tabel 4.10 di atas ke program expert choice 11 yang hasilnya dapat
dilihat pada lampiran 5.
2. Merekapitulasi output pada langkah 1.
109
Universitas Sumatera Utara
3. Menghitung bobot alternatif masing – masing ruas jalan terhadap
variabel/kriteria kondisi ruas jalan.
Rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas jalan
terhadap variabel/kriteria kondisi ruas jalan ditampilkan pada tabel 4.11 berikut :
Tabel 4.11 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap
Variabel/Kriteria Kondisi Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot
Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0570
0.03214
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0340
0.01917
3
01111 Jalan A.M.Ibrahim (Langsa)
0.3870
0.21819
4
01112 Jalan Ahmad Yani (Langsa)
0.0200
0.01128
0.0480
0.02706
0.2940
0.16576
0.0730
0.04116
0.0860
0.04849
1.00
0.56324
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot kriteria kondisi ruas jalan (Tabel 4.5) 0.5638
Sumber : Hasil Analisa
Berdasarkan perhitungan pada tabel 4.11 di atas diperoleh bahwa ruas
jalan A.M.Ibrahim (Langsa) merupakan alternatif ruas jalan dengan bobot dan
prioritas tertinggi jika di tinjau dari kondisi ruas jalan, yaitu memiliki bobot
prioritas sebesar 0.21819 atau 21,819 %.
110
Universitas Sumatera Utara
4.4.2
Bobot Alternatif Terhadap Variabel Kapasitas Ruas Jalan
Bobot dari masing – masing alternatif terhadap variabel kapasitas
diperoleh setelah terlebih dahulu menghitung kapasitas masing – masing alternatif
ruas jalan dengan rumus yang digunakan dalam Manual Kapasitas Jalan Indonesia
(MKJI) seperti pada persamaan 2.1 dan 2.2 yaitu :
Rumus kapasitas di wilayah perkotaan :
C = Co x FCW x FCSP x FCSF x FCCS
Sementara rumus kapasitas jalan antar kota :
C = Co x FCW x FCSP x FCSF
Dimana:
C
= Kapasitas (smp/jam)
Co
= Kapasitas dasar (smp/jam)
FCW
= Faktor koreksi kapasitas untuk lebar jalan
FCSP
= Faktor koreksi kapasitas akibat pembagian arah (tidak berlaku untuk
jalan satu arah)
FCSF
= Faktor koreksi kapasitas akibat hambatan samping dan bahu jalan/kereb
FCCS = Faktor koreksi kapasitas akibat ukuran kota (jumlah penduduk)
Untuk memperoleh nilai dari faktor – faktor koreksi kapasitas untuk
masing – masing alternatif ruas jalan terlebih dahulu harus diketahui data
eksisting tiap alternatif . Adapun data eksisting dari masing – masing alternatif
ruas jalan tersebut ditampilkan pada tabel 4.12 yang kemudian digunakan dalam
proses perhitungan kapasitas ruas jalan seperti pada tabel 4.13 di bawah.
111
Universitas Sumatera Utara
Tabel 4.12 Data Eksisting Tiap Alternatif Ruas Jalan
Nomor Ruas
No
Data Eksisting
1
2
3
4
5
6
7
8
9
Jumlah lajur
Panjang Jalan / Segmen (km)
Pembatas Median (D/UD)
Arah
Pembagian arah ( % - % )
Lebar jalan efektif (m)
Lebar bahu efektif (m)
Ukuran kota (juta penduduk)
Kelas hambatan samping
Permukiman
Permukiman, beberapa transportasi umum
Daerah industri dengan beberapa toko di pinggir
jalan
Daerah komersial, aktivitas pinggir jalan tinggi
012
010
011
01111 01112 Segmen Segmen Segmen 01211
047
04711
1
2
3
2
2
2
4
4
2
4
2
2
2
50.83
65.48 44.33
4.67
5.22
1.42
4.07
2.96
UD
UD
UD
D
D
UD
D
UD
UD
UD
2
2
2
2
2
2
2
2
2
2
50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50 50 - 50
7
7
6
13
14
7
16.4
7
6.8
6.8
1
0.8
0.6
0.5
0.8
0.8
1.2
0.6
0.5
1
0.1568
0.25191
√
√
√
√
√
√
√
√
√
√
112
Daerah komersial dengan aktivitas perbelanjaan
pinggir jalan
Sumber : Hasil Analisa
112
Universitas Sumatera Utara
Tabel 4.13 Rekapitulasi Perhitungan Kapasitas Ruas Jalan
No
Nomor
Ruas
Nama Ruas
Co
FCw
FCsp
FCsf
FCcs
Kapasitas (smp/jam)
a
b
c
d
e
f
g
h
i = (d*e*f*g*h)
1
010
Panton Labu/Simpang (km 328) - Peureulak
2900
1.00
1.0
0.95
-
2755.000
2
011
Peureulak (km 392) - Batas Kota Langsa
2900
1.00
1.0
0.91
-
2639.000
3
01111 Jalan A.M.Ibrahim (Langsa)
2900
0.87
1.0
0.91
-
2295.930
4
01112 Jalan Ahmad Yani (Langsa)
6600
0.96
1.0
0.88
0.90
5018.112
Segmen 1 (Awal batas kota Langsa)
6600
1.00
1.0
0.91
-
6006.000
Segmen 2 (Sampai Batas SUMUT)
2900
1.00
1.0
0.91
-
2639.000
Segmen 3 (Kota Tamiang)
6600
1.08
1.0
0.98
0.90
6286.896
Batas Kota Langsa - Batas Prov. SUMUT
5
012
Rata - rata
6
7
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
8 04711 Jalan Kuala Langsa (Langsa)
Sumber : Hasil Analisa
4977.299
2900
1.00
1.0
0.91
-
2639.000
2900
0.88
1.0
0.88
-
2245.760
2900
0.88
1.0
0.95
-
2424.400
113
113
Universitas Sumatera Utara
Berdasarkan data pada tabel 4.12 diperoleh nilai setiap faktor koreksi
kapasitas yang sesuai dengan tabel 2.5 s.d tabel 2.11. Setelah besarnya kapasitas
suatu ruas jalan diperoleh seperti pada tabel 4.13 di atas, maka selanjutnya
dilakukan pembobotan alternatif ruas jalan terhadap variabel kapasitas ruas jalan.
Dalam proses pembobotan alternatif terhadap variabel kapasitas ruas jalan
dilakukan perbandingan berpasangan tiap alternatif ruas jalan. Range selisih
kapasitas ruas jalan diperoleh dengan mencari selisih antara kapasitas ruas jalan
terkecil dikurang dengan kapasitas ruas jalan terbesar, hal ini karena ruas jalan
dengan kapasitas yang lebih kecil akan lebih diprioritaskan penanganannya.
Kemudian nilai selisih tersebut dibagi dengan jumlah jarak nilai skala banding
berpasangan (n), yaitu n = 9 – 1 = 8.
Dari hasil rekapitulasi kapasitas ruas jalan semua alternatif ruas jalan
diketahui bahwa ruas jalan Ahmad Yani (Langsa) merupakan ruas jalan dengan
kapasitas ruas jalan terbesar yaitu sebesar 5,018.112 smp/jam, sedangkan ruas
jalan yang memiliki kapasitas ruas jalan terkecil adalah ruas jalan batas kota
Langsa – Kuala Langsa yaitu sebesar 2,245.760 smp/jam. Maka selisih nilai
kapasitas ruas jalan terkecil dengan
kapasitas terbesar adalah 2,245.760 -
5,018.112 = (-) 2,772.352 smp/jam. Sehingga range pada skala 2 s/d 9 masing –
masing bertambah sebesar (2,772.352) / (8) = 346.544 smp/jam.
Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.14 berikut ini :
114
Universitas Sumatera Utara
Tabel 4.14 Skala Banding Berpasangan Untuk Variabel Kapasitas Ruas Jalan
Skala Banding
Berpasangan
Selisih Kapasitas
(smp/jam)
1
0.000
0.000
s/d
0.000
2
346.544
0.001
s/d
346.544
3
693.088
346.545
s/d
693.088
4
1039.632
693.089
s/d
1039.632
5
1386.176
1039.633
s/d
1386.176
6
1732.720
1386.177
s/d
1732.720
7
2079.264
1732.721
s/d
2079.264
8
2425.808
2079.265
s/d
2425.808
9
2772.352
2425.809
s/d
2772.352
Range (smp/jam)
Sumber : Hasil Analisa
Sebagai contoh dalam memberikan nilai skala banding berpasangan antara
alternatif ruas jalan Panton Labu/Simpang (Km 328) – Peureulak dengan ruas
jalan Peureulak (Km 392) – batas kota Langsa adalah sebagai berikut. Untuk ruas
jalan Panton Labu/Simpang (Km 328) – Peureulak memiliki kapasitas sebesar
2755 smp/jam dan ruas jalan Peureulak (Km 392) – batas kota Langsa memiliki
kapasitas sebesar 2639 smp/jam, maka selisih kapasitas nya adalah = 2755 – 2639
= 116 smp/jam. Dimana selisih kapasitas kedua ruas tersebut berada pada range
nilai 2 skala banding berpasangan. Karena selisih kapasitas kedua ruas tersebut
bernilai positif (+) maka nilai skala banding berpasangan yang digunakan adalah
1/2 atau 0.5, akan tetapi jika selisih nilai kapasitas ruasnya bernilai negatif (-)
maka nilai skala banding berpasangan yang dipakai adalah 2. Hal ini karena
115
Universitas Sumatera Utara
diasumsikan bahwa ruas jalan dengan kapasitas jalan yang lebih kecil akan lebih
diprioritaskan
penanganannya.
Nilai
skala
banding
berpasangan
untuk
perbandingan setiap alternatif terhadap variabel kapasitas ruas jalan dapat dilihat
pada tabel 4.15 berikut :
Tabel 4.15 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Kapasitas Ruas Jalan
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
1/2
1/3
8
8
1/2
1/3
1/2
Ruas 011
2
1
1/2
8
8
1
1/3
1/2
Ruas 01111
3
2
1
9
9
2
1/2
2
Ruas 01112
1/8
1/8
1/9
1
1/2
1/8
1/9
1/9
Ruas 012
1/8
1/8
1/9
2
1
1/8
1/9
1/9
Ruas 01211
2
1
1/2
8
8
1
1/3
1/2
Ruas 047
3
3
2
9
9
3
1
2
Ruas 04711
2
2
1/2
9
9
2
1/2
1
Alternatif
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Setelah nilai skala banding berpasangan diperoleh maka selanjutnya
adalah menghitung bobot skor masing – masing alternatif dengan memakai
program expert choice 11. Adapun proses perhitungan bobot skor alternatif ruas
jalan terhadap variabel kapasitas ruas jalan tersebut adalah sebagai berikut :
1. Meng- input data nilai skala banding berpasangan yang diperoleh seperti
pada tabel 4.15 di atas ke program expert choice 11 yang hasilnya
disajikan pada lampiran 6 .
2. Merekapitulasi output pada langkah 1.
3. Menghitung bobot alternatif terhadap variabel relatif kapasitas ruas jalan.
116
Universitas Sumatera Utara
Rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas jalan
terhadap variabel relatif kapasitas ruas jalan dengan menggunakan program expert
choice 11 ditampilkan pada tabel 4.16 berikut :
Tabel 4.16 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Kapasitas Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0880
0.00788
2
011
Peureulak (km 392) - Batas Kota Langsa
0.1160
0.01038
3
01111 Jalan A.M.Ibrahim (Langsa)
0.2060
0.01844
4
01112 Jalan Ahmad Yani (Langsa)
0.0160
0.00143
0.0200
0.00179
0.1160
0.01038
0.2750
0.02461
0.1630
0.01459
1.00
0.08950
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif kapasitas ruas jalan (Tabel 4.5)
0.0895
Sumber : Hasil Analisa
Berdasarkan perhitungan pada tabel 4.16 di atas diperoleh ruas jalan batas
kota Langsa – Kuala Langsa merupakan alternatif ruas jalan dengan bobot dan
prioritas tertinggi jika di tinjau dari variabel kapasitas ruas jalan dengan bobot
prioritas sebesar 0.02461 atau 2,461 %.
117
Universitas Sumatera Utara
4.4.3
Bobot Alternatif Terhadap Variabel Volume Lalulintas
Analisis pembobotan alternatif ruas jalan terhadap variabel volume lalu
lintas berasumsi bahwa alternatif ruas jalan dengan volume lalu lintas yang lebih
besar akan lebih diprioritaskan penanganannya dibandingkan dengan alternatif
ruas jalan dengan volume lalu lintas yang lebih kecil. Analisa dilakukan
berdasarkan pada data sekunder yang diperoleh dari satuan kerja perencanaan dan
pengawasan jalan nasional Aceh yang dilampirkan pada lampiran 7. Adapun
rekapitulasi data volume lalu lintas untuk masing – masing alternatif tersebut
dapat dilihat pada tabel 4.17 berikut ini :
Tabel 4.17 Rekapitulasi Volume Lalu Lintas Setiap Alternatif Ruas Jalan
No
Urut
Nomor
Ruas
LHRT
(kend/hari)
1
010
Panton Labu/Simpang (km 328) - Peureulak
5,257
2
011
Peureulak (km 392) - Batas Kota Langsa
4,907
3
01111
Jalan A.M.Ibrahim (Langsa)
3,039
4
01112
Jalan Ahmad Yani (Langsa)
89,205
5
012
Batas Kota Langsa - Batas Prov. SUMUT
6,160
6
01211
Jalan Agus Salim (Langsa)
14,440
7
047
Batas Kota Langsa - Kuala Langsa
9,194
8
04711
Jalan Kuala Langsa (Langsa)
14,301
Nama Ruas
Sumber : Satuan Kerja Perencanaan dan Pengawasan Jalan Nasional Aceh Balai
Besar Pelaksanaan Jalan Nasional I Direktorat Jenderal Bina Marga
Range selisih LHRT diperoleh dengan mencari selisih antara LHRT
terbesar dikurang dengan LHRT terkecil. Hal ini karena ruas jalan dengan LHRT
yang nilainya lebih besar akan lebih diprioritaskan dalam penanganannya.
118
Universitas Sumatera Utara
Kemudian selisih LHRT tersebut dibagi dengan jumlah jarak nilai skala banding
berpasangan (n), dimana n = 9 – 1 = 8.
Dari hasil rekapitulasi LHRT diperoleh ruas jalan Ahmad Yani (Langsa)
merupakan ruas jalan dengan LHRT terbesar yaitu sebesar 89,205 kend/hari.
Sedangkan ruas jalan dengan LHRT terkecil adalah ruas jalan A.M.Ibrahim
(Langsa) yaitu sebesar 3,039 kend/hari. Maka selisih nilai LHRT = 86166
kend/hari. Sehingga range bertambah sebesar (86166 kend/hari) / (8) = 10,770.75
kend/hari. Dengan menggunakan perhitungan tersebut maka nilai skala banding
berpasangan dapat ditentukan dalam membandingkan masing – masing alternatif
ruas jalan seperti yang ditampilkan pada tabel 4.18 berikut :
Tabel 4.18 Skala Banding Berpasangan Untuk Variabel Volume Lalu Lintas
Skala Banding
Berpasangan
Selisih Nilai LHRT
(kend/hari)
1
0.00
0.00
s/d
0.00
2
10770.75
0.01
s/d
10770.75
3
21541.50
10770.76
s/d
21541.50
4
32312.25
21541.51
s/d
32312.25
5
43083.00
32312.26
s/d
43083.00
6
53853.75
43083.01
s/d
53853.75
7
64624.50
53853.76
s/d
64624.50
8
75395.25
64624.51
s/d
75395.25
9
86166.00
75395.26
s/d
86166.00
Range (kend/hari)
Sumber : Hasil Analisa
119
Universitas Sumatera Utara
Apabila selisih LHRT bernilai positif (+) maka nilai skala banding
berpasangan yang digunakan adalah nilai skala perbandingan 1 s/d 9. Akan tetapi
jika selisih LHRT bernilai negatif (-) maka nilai skala banding berpasangan yang
dipakai adalah nilai kebalikannya. Adapun nilai skala banding berpasangan untuk
perbandingan setiap alternatif terhadap variabel volume lalulintas dapat dilihat
pada tabel 4.19 berikut:
Tabel 4.19 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Volume Lalulintas
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
2
2
1/9
1/2
1/2
1/2
1/2
Ruas 011
1/2
1
2
1/9
1/2
1/2
1/2
1/2
Ruas 01111
1/2
1/2
1
1/9
1/2
1/3
1/2
1/3
Ruas 01112
9
9
9
1
9
8
9
8
Ruas 012
2
2
2
1/9
1
1/2
1/2
1/2
Ruas 01211
2
2
3
1/8
2
1
2
2
Ruas 047
2
2
2
1/9
2
1/2
1
1/2
Ruas 04711
2
2
3
1/8
2
1/2
2
1
Alternatif
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Selanjutnya adalah menghitung bobot skor masing – masing alternatif
dengan memakai program expert choice 11. Hasil perhitungan dengan program
expert choice 11 dapat dilihat pada lampiran 8.
Adapun rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas
jalan terhadap variabel relatif volume lalu lintas ditampilkan pada tabel 4.20
berikut ini :
120
Universitas Sumatera Utara
Tabel 4.20 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Volume Lalulintas
No Nomor
Urut Ruas
Nama Ruas
Bobot Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0510
0.00158
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0430
0.00133
3
01111 Jalan A.M.Ibrahim (Langsa)
0.0330
0.00102
4
01112 Jalan Ahmad Yani (Langsa)
0.5370
0.01665
0.0610
0.00189
0.1090
0.00338
0.0730
0.00226
0.0920
0.00285
1.00
0.03097
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif volume lalu lintas (Tabel 4.5)
0.0310
Sumber : Hasil Analisa
Berdasarkan hasil perhitungan pada tabel 4.20 di atas menunjukkan bahwa
ruas jalan Ahmad Yani (Langsa) merupakan alternatif ruas jalan dengan bobot
dan prioritas tertinggi jika di tinjau dari variabel volume lalu lintas, yaitu memiliki
bobot prioritas sebesar 0.01665 atau 1,665 %.
4.4.4
Bobot Alternatif Terhadap Variabel Biaya Penanganan Jalan
Analisis bobot alternatif terhadap variabel biaya penanganan jalan
dilakukan dengan asumsi bahwa ruas jalan dengan nilai biaya penanganan lebih
kecil akan lebih diprioritaskan dibandingkan ruas jalan dengan biaya yang lebih
besar.
121
Universitas Sumatera Utara
Adapun data biaya penanganan jalan untuk semua alternatif ruas jalan
dapat dilihat pada tabel 4.21 berikut ini :
Tabel 4.21 Biaya Penanganan Untuk Semua Alternatif Ruas Jalan
No Nomor
Urut Ruas
Nama Ruas
Biaya Penanganan
1
010
Panton Labu/Simpang (km 328) - Peureulak
Rp
45,408,200,000
2
011
Peureulak (km 392) - Batas Kota Langsa
Rp
1,843,560,000
3
01111 Jalan A.M.Ibrahim (Langsa)
Rp
267,160,000
4
01112 Jalan Ahmad Yani (Langsa)
Rp
75,000,000
Rp
78,942,488,000
Rp
83,560,000
Rp
122,100,000
Rp
82,500,000
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Sumber : Satuan Kerja Pelaksana Jalan Nasional Wilayah I Provinsi Aceh
Range selisih biaya penanganan diperoleh dengan menghitung selisih
antara biaya penanganan jalan terkecil dengan biaya penanganan terbesar. Hal ini
karena ruas jalan dengan biaya penanganan lebih kecil akan lebih diprioritaskan
penanganannya. Kemudian selisih biaya penanganan tersebut dibagi dengan
jumlah jarak nilai skala banding berpasangan (n), dimana n = 9 – 1 = 8.
Dari tabel 4.21 di atas dapat diketahui bahwa ruas jalan Ahmad Yani
(Langsa) merupakan ruas jalan dengan biaya pemeliharaan terkecil yaitu sebesar
Rp.75,000,000,-. Sedangkan ruas jalan yang memiliki biaya pemeliharaan terbesar
adalah ruas jalan batas kota Langsa – batas Provinsi SUMUT yaitu sebesar
Rp.78,942,488,000,-. Maka selisih nilai biaya pemeliharaan terkecil dengan biaya
122
Universitas Sumatera Utara
pemeliharaan terbesar adalah (Rp.75,000,000,-) – (Rp.78,942,488,000,-) = (-)
(Rp.78,867,488,000). Sehingga range pada skala 2 s/d 9 masing – masing
bertambah sebesar (Rp.78,867,488,000) / (8) = Rp.9,858,436,000,-. Sehingga nilai
skala banding berpasangan dalam membandingkan masing – masing alternatif
ruas jalan terhadap variabel biaya penanganan jalan seperti yang ditampilkan pada
tabel 4.22 berikut :
Tabel 4.22 Skala Banding Berpasangan Untuk Variabel Biaya Penanganan Jalan
Skala Banding
Berpasangan
Selisih Biaya
(Rpx106)
1
0.000
0.000
s/d
0.000
2
9858.436
0.001
s/d
9858.436
3
19716.872
9858.437
s/d
19716.872
4
29575.308
19716.873
s/d
29575.308
5
39433.744
29575.309
s/d
39433.744
6
49292.180
39433.745
s/d
49292.180
7
59150.616
49292.181
s/d
59150.616
8
69009.052
59150.617
s/d
69009.052
9
78867.488
69009.053
s/d
78867.488
6
Range (Rpx10 )
Sumber : Hasil Analisa
Adapun nilai skala banding berpasangan untuk perbandingan setiap
alternatif terhadap variabel biaya penanganan dari masing – masing alternatif
ditampilkan pada tabel 4.23 di bawah ini :
123
Universitas Sumatera Utara
Tabel 4.23 Nilai Skala Banding Berpasangan Untuk Perbandingan Setiap
Alternatif Terhadap Variabel Biaya Penanganan
Ruas
010
Ruas
011
Ruas
012
Ruas
01211
Ruas
047
Ruas
04711
Ruas 010
1
1/6
1/6
1/6
5
1/6
1/6
1/6
Ruas 011
6
1
1/2
1/2
9
1/2
1/2
1/2
Ruas 01111
6
2
1
1/2
9
1/2
1/2
1/2
Ruas 01112
6
2
2
1
9
2
2
2
1/5
1/9
1/9
1/9
1
1/9
1/9
1/9
Ruas 01211
6
2
2
1/2
9
1
2
1/2
Ruas 047
6
2
2
1/2
9
1/2
1
1/2
Ruas 04711
6
2
2
1/2
9
2
2
1
Alternatif
Ruas 012
Ruas Ruas
01111 01112
Sumber : Hasil Analisa
Dengan meng-input nilai skala banding berpasangan pada tabel 4.23 di
atas ke program expert choice 11 maka diperoleh bobot skor masing – masing
alternatif terhadap variabel biaya penanganan jalan dimana hasil perhitungannya
dilampirkan pada lampiran 9.
Adapun rekapitulasi bobot skor dan hasil perhitungan bobot alternatif ruas
jalan terhadap variabel relatif biaya penanganan jalan ditampilkan pada tabel 4.24
di bawah ini :
124
Universitas Sumatera Utara
Tabel 4.24 Rekapitulasi Bobot Skor dan Bobot Alternatif Terhadap Variabel
Relatif Biaya Penanganan Jalan
No Nomor
Urut Ruas
Nama Ruas
Bobot
Skor
Bobot
Alternatif
1
010
Panton Labu/Simpang (km 328) - Peureulak
0.0310
0.00978
2
011
Peureulak (km 392) - Batas Kota Langsa
0.0990
0.03123
3
01111 Jalan A.M.Ibrahim (Langsa)
0.1180
0.03723
4
01112 Jalan Ahmad Yani (Langsa)
0.2340
0.07383
0.0150
0.00473
0.1660
0.05237
0.1400
0.04417
0.1970
0.06215
1.00
0.31550
5
6
7
8
012
Batas Kota Langsa - Batas Prov. SUMUT
01211 Jalan Agus Salim (Langsa)
047
Batas Kota Langsa - Kuala Langsa
04711 Jalan Kuala Langsa (Langsa)
Total
Bobot variabel relatif biaya penanganan jalan (Tabel 4.5) 0.3155
Sumber : Hasil Analisa
Berdasarkan rekapitulasi hasil perhitungan pada tabel 4.24 di atas
diperoleh ruas jalan
Ahmad Yani (Langsa) merupakan alternatif ruas jalan
dengan bobot dan prioritas penanganan tertinggi jika di tinjau dari biaya
penanganannya, yaitu memiliki bobot prioritas sebesar 0.07383 atau 7,383 %.
4.5
Prioritas Penangana