No abstract

Drainase merupakan salah satu bangunan pelengkap jalan berfungsi untuk mengurangi dan membuang kelebihan air dari suatu kawasan atau lahan, sehingga lahan dapat difungsikan secara optimal. Namun apabila terjadi kerusakan pada drainase maka kerusakan tersebut dapat menyebabkan bencana seperti banjir yang dapat mengakibatkan rusaknya struktur jalan, sehingga diperlukan pemeliharaan agar drainase tetap dapat berfungsi dengan baik. Namun pemeliharaan infrastruktur dibatasi oleh jumlah dana, waktu dan sumber daya. Keterbatasan tersebut mengakibatkan ketimpangan pengambilan keputusan dalam penentuan prioritas perbaikan drainase. Untuk menentukan prioritas perbaikan tersebut digunakan metode <em>Analytic Hierarchy Process</em> (AHP) untuk menghitung bobot setiap kriteria, metode <em>COmplex PRoportional ASsessment of alternatives with Grey relations</em> (COPRAS-G) untuk mendapatkan urutan prioritas perbaikan drinase dan metode <em>Mean Absolute Error </em>(MAE) untuk mendapatkan nilai akurasi. Dari hasil penelitian diperoleh bobot setiap kriteria, kriteria pertama adalah Tingkat Kerusakan Drainase dengan bobot 0,71, Volume Kerusakan Drainase dengan bobot 0,20 dan kriteria ketiga Waktu Perbaikan Drainase dengan bobot 0,09. Dengan nilai CR 0,083 menunjukkan bahwa matriks kriteria adalah konsisten. Hasil akurasi dari perbandingan prioritas perbaikan drainase antara PPK PJN Metropolitan Bandung dan COPRAS-G sebesar 100%. Studi kasus jalan Soekarno-Hatta di kota Bandung.

Banjir merupakan masalah tahunan di Kabupaten Bandung. Saat banjir berlangsung beberapa hari, biasanya bantuan berdatangan untuk korban banjir. Badan Penanggulangan Bencana Daerah (BPBD) berkepentingan memantau wilayah rawan banjir, terutama yang termasuk kelas rawan banjir yang tinggi dan sangat tinggi, agar bantuan tepat sasaran. BPBD pernah membuat perangkat lunak membuat pemetaan daerah rawan banjir, namun dinilai tidak fleksibel karena tidak dapat diupdate dengan data terbaru di tingkat kecamatan. Penelitian ini menggunakan metode Weighted Product dengan tambahan dapat diupdate dengan data terbaru sampai tingkat desa. Kriteria untuk mengklasifikasikan daerah rawan banjir adalah curah hujan, ketinggian, kemiringan, limpasan sungai, dan tutupan lahan. Data-data untuk 276 desa ini diperoleh dari BPS, Bappeda dan BPPD dan perlu dilakukan pengolahan data awal. Bobot kriteria dalam skala Likert yang diperoleh dari BPBD. Hasil klasifikasi daerah rawan banjir dengan Weighted Product ditampilkan dengan QGIS. Implementasi metode ini memberikan hasil akurasi sebesar 68% pada kelas kerawanan sangat tinggi, dan 80,4% pada kelas kerawanan tinggi.

No abstract

No abstract