There are some road deteriorations

There are some road deteriorations in national road network on the national road of Batas Kota Caruban – Batas Kabupaten Nganjuk. Road deterioration is caused by poor drainage , climatic or geological effect, ineffective maintenance and traffic loading. With a daily traffic volume is high enough and the limited ability to serve the needs of road traffic, then the existence of this road is very important so its necessary to analyze the conditions in next year to assist in the determination of its maintenance. The Focus of this research is to develop a model of prediction of road pavement condition for predicting the future road condition.
The architecture design of proposed model using Dynamic Bayesian Network (DBN). The variables and relation among variables obtained by determining the most influential factors that affected road pavement damage through the study of literature and questionnaires. The data used in this research was data in the national road of Batas Kota Caruban – Batas Kabupaten Nganjuk from 2011 – 2014. The data was used as training data to obtain Conditional Probability Table (CPT) to learn the parameters using Expectation Maximation (EM) algorithms. The calculation of probability of road pavement condition prediction was done by Bayesian Inference EPIS BN algorithm using Genie 2.0.
Factor that influenced road pavement deterioration is the drainage system, traffic load and maintenance. The results of research showed that the accuracy of DBN model reached up to 88 % (MAPE = 12 %) thus the prediction model based on DBN can be accepted to make a model of prediction of road pavement conditions.

Results (Indonesian) 1:

Ada beberapa deteriorations jalan dalam jaringan jalan nasional di jalan nasional dari Batas Kota Caruban-Batas Kabupaten Nganjuk. Road kerusakan yang disebabkan oleh drainase yang buruk, efek iklim atau geologi, pemeliharaan tidak efektif dan lalu lintas yang memuat. Dengan lalu lintas harian volume yang cukup tinggi dan kemampuan terbatas untuk melayani kebutuhan lalu lintas jalan, maka keberadaan jalan ini sangat penting sehingga yang diperlukan untuk menganalisis kondisi tahun depan untuk membantu dalam penentuan pemeliharaannya. Fokus dari penelitian ini adalah untuk mengembangkan suatu model prediksi kondisi perkerasan jalan untuk memprediksi kondisi jalan masa depan.Desain arsitektur model yang diusulkan menggunakan jaringan Bayesian dinamis (DBN). Variabel dan hubungan antara variabel yang diperoleh dengan menentukan faktor yang paling berpengaruh yang mempengaruhi kerusakan trotoar jalan melalui studi sastra dan kuesioner. Data yang digunakan dalam penelitian ini adalah data di jalan nasional Caruban Kota Batas-Batas Kabupaten Nganjuk dari 2011 – 2014. Data digunakan sebagai data pelatihan untuk memperoleh probabilitas bersyarat meja (CPT) untuk belajar parameter menggunakan algoritma harapan Maximation (EM). Perhitungan probabilitas road trotoar kondisi prediksi dilakukan oleh algoritma Bayesian kesimpulan EPIS BN menggunakan Genie 2.0.Faktor yang dipengaruhi road trotoar kerusakan sistem drainase, lalu lintas dan pemeliharaan. Hasil penelitian menunjukkan bahwa akurasi model DBN mencapai hingga 88% (MAPE = 12%) dengan demikian model prediksi didasarkan pada DBN dapat diterima untuk membuat model prediksi jalan kondisi trotoar.

Results (Indonesian) 2:

Ada beberapa mengalami kerusakan jalan di jaringan jalan nasional di jalan nasional Batas Kota Caruban - Batas Kabupaten Nganjuk. Kerusakan jalan disebabkan oleh drainase yang buruk, pengaruh iklim atau geologi, pemeliharaan tidak efektif dan beban lalu lintas. Dengan volume lalu lintas harian cukup tinggi dan kemampuan yang terbatas untuk melayani kebutuhan lalu lintas jalan, maka keberadaan jalan ini sangat penting sehingga yang diperlukan untuk menganalisis kondisi di tahun depan untuk membantu dalam penentuan pemeliharaan. Fokus dari penelitian ini adalah untuk mengembangkan model prediksi kondisi perkerasan jalan untuk memprediksi kondisi jalan masa depan.
Desain arsitektur model yang diusulkan menggunakan Dynamic Bayesian Network (DBN). Variabel dan hubungan antara variabel diperoleh dengan menentukan faktor yang paling berpengaruh yang mempengaruhi perkerasan kerusakan jalan melalui studi literatur dan kuesioner. Data yang digunakan dalam penelitian ini adalah data dalam jalan nasional Batas Kota Caruban - Batas Kabupaten Nganjuk dari 2011 - 2014. Data ini digunakan sebagai data pelatihan untuk memperoleh Conditional Probability Table (CPT) untuk mempelajari parameter menggunakan Ekspektasi Maximation (EM) algoritma. Perhitungan probabilitas kondisi prediksi perkerasan jalan dilakukan dengan algoritma Bayesian Inference Epis BN menggunakan Genie 2.0.
Faktor yang mempengaruhi perkerasan jalan kerusakan adalah sistem drainase, beban lalu lintas dan pemeliharaan. Hasil penelitian menunjukkan bahwa akurasi model DBN mencapai hingga 88% (MAPE = 12%) sehingga model prediksi berdasarkan DBN dapat diterima untuk membuat model prediksi kondisi perkerasan jalan.