Mengapa Temuan Ini Penting untuk Kebijakan?

Menekankan bahwa pembangunan infrastruktur tidak hanya bergantung pada teknologi konstruksi, tetapi juga pada bagaimana kebijakan publik mengatur, mengelola, dan mengawasi setiap tahap pembangunan. Mulai dari pemilihan material, perancangan struktur, sistem drainase, transportasi, hingga manajemen aset jangka panjang — seluruhnya membutuhkan kerangka kebijakan yang kuat dan adaptif.

Temuan dalam buku ini penting untuk kebijakan karena:

• Infrastruktur yang buruk meningkatkan risiko kecelakaan, kerugian ekonomi, hingga bencana.

• Banyak negara berkembang menghadapi tantangan klasik: kesalahan desain, material berkualitas rendah, kurangnya pemeliharaan, dan lemahnya standar teknis.

• Dengan urbanisasi cepat, kebutuhan terhadap infrastruktur cerdas dan resilien semakin meningkat.

• Perubahan iklim menuntut desain struktur dan sistem drainase yang lebih adaptif.

Dengan demikian, kebijakan teknik sipil yang kuat adalah fondasi pembangunan yang aman, efisien, dan berkelanjutan.

Implementasi di Lapangan: Dampak, Hambatan, dan Peluang

Dampak

• Infrastruktur berkualitas baik meningkatkan konektivitas, produktivitas ekonomi, dan kualitas hidup.

• Penggunaan material dan desain struktur sesuai standar mengurangi risiko kegagalan konstruksi.

• Drainase yang tepat mencegah banjir dan kerusakan jalan.

• Manajemen aset infrastruktur yang baik menghemat anggaran jangka panjang.

Hambatan

• Pemilihan material tidak standar yang mempercepat kerusakan bangunan dan jalan.

• Lemahnya pengawasan pada proyek publik yang menyebabkan kegagalan desain dan konstruksi.

• Minimnya tenaga ahli, khususnya pada level daerah.

• Sistem drainase yang tidak terintegrasi dengan perencanaan kota.

• Pendanaan terbatas untuk pemeliharaan jangka panjang, sehingga banyak infrastruktur memburuk lebih cepat dari umur rancangannya.

Peluang

• Penerapan Building Information Modeling (BIM) untuk meningkatkan akurasi desain dan efisiensi proyek.

• Penggunaan material ramah lingkungan dan berketahanan tinggi.

• Integrasi smart infrastructure: sensor kualitas struktur, pemantauan getaran, IoT untuk jembatan & jalan.

• Kerja sama pemerintah–swasta (PPP) untuk percepatan pembangunan.

• Peningkatan kapasitas SDM bidang teknik sipil melalui sertifikasi nasional.

5 Rekomendasi Kebijakan Praktis

1. Standarisasi Material dan Struktur Secara Nasional Pemerintah wajib memperketat regulasi material (beton, baja, agregat, aspal) sesuai standar internasional. Manajemen Konstruksi dan Infrastruktur.

2. Integrasi Tata Kelola Drainase dengan Perencanaan Kota Drainase harus menjadi bagian dari perencanaan kota, bukan sekadar proyek pelengkap.

3. Penguatan Sistem Pengawasan Proyek Infrastruktur Publik Audit teknis wajib dilakukan pada tahap desain, konstruksi, dan operasi.

4. Modernisasi Metode Perancangan dengan BIM dan Teknologi Digital BIM harus diwajibkan pada proyek strategis nasional untuk meningkatkan transparansi dan efisiensi. Big Data Analytics: Data Visualization and Data Science.

5. Pemetaan Risiko Infrastruktur dan Pemeliharaan Jangka Panjang Kebijakan harus mewajibkan asset management plan untuk semua infrastruktur yang telah dibangun.

Kritik terhadap Potensi Kegagalan Kebijakan

• Kebijakan dapat gagal jika hanya berupa dokumen tanpa implementasi lapangan.

• Standarisasi material sering tidak dipatuhi karena lemahnya pengawasan.

• Modernisasi desain seperti BIM akan gagal jika SDM tidak dilatih memadai.

• Kegagalan koordinasi antarinstansi (PU, perencana kota, lingkungan, transportasi) dapat melemahkan efektivitas kebijakan.

• Kebijakan drainase akan gagal jika pembangunan tidak memperhatikan daya dukung tanah dan aliran air alami.

Jika isu-isu tersebut diabaikan, infrastruktur rentan mengalami kerusakan dini, meningkatkan kerugian ekonomi serta risiko keselamatan publik.

Penutup

B21-DWAK Civil Engineering Textbook menegaskan bahwa teknik sipil bukan hanya persoalan konstruksi, tetapi bagian dari sistem kebijakan nasional yang menentukan keberlanjutan pembangunan. Infrastruktur yang aman, efisien, dan resilien hanya dapat dicapai melalui integrasi pengetahuan teknik, regulasi publik, pengawasan, dan manajemen risiko jangka panjang. Dengan kebijakan yang tepat, negara dapat membangun fondasi kokoh untuk pertumbuhan ekonomi dan kesejahteraan masyarakat.

Sumber

B21-DWAK Civil Engineering TextBook

Membangun Ketahanan: Menata Arah Riset Masa Depan untuk Infrastruktur Akses Pedesaan yang Rentan Iklim

Perubahan iklim telah lama diidentifikasi sebagai ancaman eksistensial bagi upaya pembangunan, dengan Bank Pembangunan Afrika (AfDB) secara eksplisit menyatakan bahwa benua Afrika merupakan salah satu wilayah yang paling rentan di dunia terhadap dampaknya. Dampak kerusakan, relatif terhadap populasi dan Produk Domestik Bruto (PDB), diperkirakan akan lebih tinggi di Afrika dibandingkan wilayah lain. Dalam empat dekade terakhir, bencana terkait cuaca—meliputi meteorologi, hidrologi, dan klimatologi—telah tercatat lebih dari 1.400 kali, mengakibatkan kematian lebih dari 600.000 jiwa (95% karena kekeringan) dan menyebabkan 7,8 juta orang kehilangan tempat tinggal (99% karena banjir dan badai). Realitas ini menggarisbawahi urgensi untuk mengamankan infrastruktur penting, khususnya jaringan jalan akses pedesaan bervolume rendah, yang menjadi tulang punggung mobilitas dan kegiatan sosio-ekonomi.

Riset yang diulas ini, berjudul Climate Adaptation: Risk Management and Resilience Optimisation for Vulnerable Road Access in Africa, Climate Risk and Vulnerability Assessment Guidelines, yang dikomisionerkan oleh Africa Community Access Partnership (AfCAP) dan didanai oleh UKAid, menjawab kebutuhan kritis ini. Fokus utama studi adalah untuk menghasilkan panduan regional yang pragmatis, ekonomis, dan berkelanjutan mengenai metodologi penilaian kerentanan dan risiko yang sesuai; prioritas intervensi adaptasi; dan optimalisasi ketahanan aset jalan bervolume rendah. Secara fundamental, riset ini bertujuan untuk memberikan bukti mengenai hubungan manfaat biaya, ekonomi, dan sosial ke masyarakat pedesaan yang timbul dari akses pedesaan yang lebih tangguh, yang pada akhirnya mendukung adopsi kebijakan yang lebih luas di seluruh Afrika.

Jalur Logis Perjalanan Temuan: Dari Konsep ke Kerangka Kerja Semikuantitatif

Perjalanan temuan dalam pedoman ini tersusun secara logis, bergerak dari pendefinisian konsep hingga implementasi kerangka kerja penilaian berjenjang. Jalur logis bermula dari identifikasi ancaman iklim (climate hazards)—seperti peristiwa cuaca ekstrem—yang berinteraksi dengan paparan (exposure) sistem dan kerentanan (vulnerability) aset untuk menghasilkan risiko (risk). Dalam konteks jalan, ancaman tersebut diterjemahkan menjadi dampak fisik seperti kerusakan struktur jalan.

Dari sini, Pedoman ini menyajikan Kerangka Penilaian Risiko dan Kerentanan AfCAP semi-kuantitatif. Kerangka kerja ini sengaja dirancang untuk diterapkan pada dua tingkat yang berbeda, disesuaikan dengan kebutuhan pengguna dan ketersediaan data:

1. Penilaian Tingkat Nasional/Regional (National-/regional-level assessment): Bertujuan untuk memberikan bukti kepada pembuat kebijakan dan pemodal (seperti donor internasional). Fokusnya adalah pada pemetaan area berisiko tinggi secara geografis (geospatially) di seluruh jaringan jalan, menggunakan alat dan data yang ada untuk mengidentifikasi area yang membutuhkan intervensi.
2. Penilaian Tingkat Lokal/Proyek (Local-/project-level assessment): Ditujukan untuk para profesional teknik dan konstruksi di lapangan, memungkinkan tingkat detail yang lebih tinggi untuk memprioritaskan intervensi adaptasi yang sesuai (seperti retrofitting atau pemeliharaan) pada segmen jalan tertentu.

Pendekatan berjenjang ini memastikan bahwa hasil aplikasi kerangka kerja dapat memandu dan mendukung pengambilan keputusan dan prioritas, baik dalam mengadaptasi infrastruktur jalan yang sudah ada maupun dalam merencanakan pembangunan yang baru agar tahan terhadap dampak perubahan iklim.

Inovasi utama terletak pada metodologi yang mengubah keluaran model iklim global menjadi indikator iklim yang relevan secara teknis. Contohnya adalah mengubah data suhu dan curah hujan menjadi indikator seperti frekuensi rata-rata tahunan hari yang sangat panas (di atas $35^\circ C$) atau frekuensi peristiwa curah hujan ekstrem (lebih dari 20 mm dalam 24 jam). Transformasi data ini memungkinkan insinyur jalan untuk menginformasikan desain adaptasi mereka.

Sorotan Data Kuantitatif dan Potensi Riset Baru

Inti inovasi dalam pedoman ini terletak pada kerangka kerja semi-kuantitatif yang mengarah pada perhitungan Indeks Kerentanan Jalan (Road Vulnerability Index/RVI). Indeks ini berfungsi sebagai alat prioritas utama dengan mengintegrasikan tiga dimensi penting: defisiensi kondisi jalan (road condition deficiency, $D_i$), pemeliharaan (maintenance, $M_n$), dan kritikalitas (criticality, $C_r$). Kritikalitas diukur berdasarkan kepentingan sosial-ekonomi jalan, misalnya, ketergantungan masyarakat pada jalan untuk mengakses pasar dan layanan publik.

Temuan ini menunjukkan hubungan kuat antara defisiensi kondisi jalan yang tinggi (misalnya, nilai $D_i$ yang mendekati 1.0 dalam skala 0-1) dan kerentanan yang ekstrem (RVI yang tinggi) — mengindikasikan bahwa kondisi fisik jalan yang buruk secara fundamental memperburuk risiko iklim. Koefisien bobot dalam formula integratif RVI, ketika diuji coba, menunjukkan bahwa pada segmen jalan dengan skor defisiensi kondisi sebesar 0.78, kerentanan keseluruhan yang dihasilkan cenderung memasuki kategori risiko "Tinggi" atau "Sangat Tinggi," bahkan jika kritikalitas jalan tersebut relatif sedang. Data ini secara deskriptif menunjukkan potensi kuat untuk objek penelitian baru, yaitu fokus pada optimalisasi pemeliharaan preventif yang ditargetkan pada elemen yang sensitif terhadap iklim (seperti drainase), yang dapat secara cepat menurunkan skor $D_i$ dan, konsekuensinya, mengurangi RVI secara keseluruhan. Ini menegaskan bahwa intervensi non-teknis (pemeliharaan tepat waktu) memiliki dampak kuantitatif segera dan signifikan terhadap ketahanan.

Kontribusi Utama terhadap Bidang

Pedoman ini memberikan tiga kontribusi transformatif utama bagi bidang teknik infrastruktur berketahanan dan pembangunan pedesaan di Afrika:

1. Metodologi Berjenjang Skala Ganda (Dual-Scale Tiered Methodology): Alih-alih menawarkan satu solusi tunggal, pedoman ini membedakan secara eksplisit antara kebutuhan tingkat kebijakan/investasi (Nasional/Regional) dan kebutuhan tingkat implementasi/teknis (Lokal/Proyek). Pendekatan ini memastikan bahwa data penilaian kerentanan dapat menginformasikan prioritas investasi makro dan, pada saat yang sama, memberikan panduan detail yang dapat ditindaklanjuti oleh insinyur lapangan.
2. Kuantifikasi Risiko yang Berpusat pada Akses Sosial: Kerangka kerja RVI mengintegrasikan dimensi Kritikalitas (Criticality), yang diukur berdasarkan ketergantungan masyarakat pada jalan. Ini secara eksplisit menempatkan manfaat sosial (akses ke fasilitas publik seperti kesehatan dan pendidikan) sebagai variabel risiko yang dapat diukur, menjembatani kesenjangan antara penilaian aset teknik murni dan kebutuhan pembangunan.
3. Memutus Ketergantungan Historis dan Mengatasi Lock-in Konseptual: Dengan menekankan penggunaan keluaran model iklim masa depan dan indikator yang ditransformasi (seperti frekuensi ekstrem), Pedoman ini secara tegas menjauh dari praktik desain jalan konvensional yang mengandalkan data iklim historis yang ketinggalan zaman. Pendekatan ini secara langsung mengatasi konsep 'lock-in'—di mana keputusan desain dan lokasi saat ini menentukan ketahanan jangka panjang aset terhadap efek perubahan iklim—dengan menyediakan alat untuk membuat keputusan yang maju (forward-looking).

Keterbatasan dan Pertanyaan Terbuka

Meskipun metodologi ini kuat, pengembang mengakui keterbatasan yang ada, yang sebagian besar terkait dengan konteks implementasi di Afrika Sub-Sahara.

Keterbatasan:

• Variasi Ketersediaan dan Kualitas Data: Implementasi kerangka kerja ini sangat bergantung pada ketersediaan data yang memadai (misalnya, data GIS yang baik mengenai tata guna lahan, topografi, hidrologi, dan sosial-ekonomi). Variasi dalam ketersediaan dan kualitas data antar negara mitra AfCAP yang berbeda dapat membatasi konsistensi dan komparabilitas penilaian, khususnya pada tingkat Nasional/Regional.
• Kebutuhan Penyesuaian Konteks Lokal: Pedoman ini disajikan sebagai konsep yang perlu disempurnakan atau diadaptasi untuk setiap jalan yang dipertimbangkan. Faktor-faktor seperti topografi pegunungan, pola permukiman yang jarang, dan ketersediaan sumber daya manusia serta keterampilan lokal (skills gaps) akan mengubah cara penilaian dilakukan.

Pertanyaan Terbuka untuk Komunitas Akademik:

• Integrasi Penuh ke dalam Sistem Manajemen Aset Jalan (RAMS): Bagaimana Indeks Kerentanan Jalan (RVI) dapat diintegrasikan secara real-time dan fully operational ke dalam Sistem Manajemen Aset Jalan (RAMS) yang sudah ada di negara-negara mitra AfCAP? Integrasi ini memerlukan standarisasi format data dan modul perangkat lunak untuk memastikan keberlanjutan proses penilaian risiko tanpa memerlukan studi ad-hoc yang mahal.
• Validasi Silang Metodologi Risiko Global: Meskipun metodologi AfCAP telah dibandingkan dengan metode dari Bank Dunia dan Bank Pembangunan Asia (ADB), masih perlu ada penelitian yang memvalidasi hasil penilaian risiko AfCAP terhadap hasil dari kerangka kerja lain (misalnya, World Bank C-FIT) di wilayah geografis yang sama untuk mengkonfirmasi akurasi prediktif dan efisiensi biayanya.

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Rekomendasi riset ini secara eksplisit dirancang untuk memperluas landasan ilmiah yang dibangun oleh Pedoman ini, dengan fokus pada penguatan kapasitas akademik, penyempurnaan metodologi, dan maksimalisasi manfaat sosial-ekonomi di masa depan.

1. Optimalisasi Bobot Multikriteria RVI Berbasis Data Lapangan (AHP/MCA Refinement)

Justifikasi Ilmiah: Indeks Kerentanan Jalan (RVI) merupakan model agregasi dari defisiensi, pemeliharaan, dan kritikalitas. Keakuratan model ini di masa depan akan sangat bergantung pada bobot relatif yang diberikan kepada setiap dimensi. Bobot yang digunakan saat ini mungkin bersifat kontekstual untuk studi kasus di Mozambik, Ethiopia, dan Ghana, tetapi mungkin tidak optimal untuk zona iklim atau geologi lain.

Metode, Variabel, atau Konteks Baru: Penelitian lanjutan harus menggunakan proses hierarki analitik (Analytical Hierarchy Process/AHP) atau Analisis Multikriteria (Multi-Criteria Analysis/MCA) yang melibatkan pakar teknik, hidrologi, dan sosio-ekonomi dari berbagai zona iklim Sub-Sahara. Variabel yang harus diuji adalah koefisien bobot untuk $D_i$, $M_n$, dan $C_r$, dikorelasikan dengan data kerusakan pasca-bencana yang sebenarnya (ex-post disaster data) di zona yang berbeda (misalnya, zona semi-kering vs. zona tropis basah).

Menunjukkan Perlunya Penelitian Lanjutan: Penentuan bobot yang divalidasi secara ilmiah akan menghasilkan RVI yang lebih sensitif dan akurat secara kontekstual, memastikan bahwa prioritas investasi adaptasi benar-benar menghasilkan manfaat yang paling optimal untuk wilayah spesifik.

2. Membangun Model Kuantifikasi Manfaat Sosial-Ekonomi (Socio-Economic Benefit Model)

Justifikasi Ilmiah: Pedoman ini menyatakan bahwa outputnya dimaksudkan untuk memberikan bukti manfaat ekonomi dan sosial. Kritikalitas ($C_r$) mengukur pentingnya jalan dalam mengakses layanan, tetapi tidak secara eksplisit mengkuantifikasi nilai finansial atau sosial dari peningkatan akses akibat penurunan RVI. Diperlukan model untuk menutup kesenjangan ini.

Metode, Variabel, atau Konteks Baru: Penelitian harus mengembangkan model regresi linier berganda yang menghubungkan variabel penurunan RVI (sebagai variabel independen utama) dengan metrik hasil sosio-ekonomi (sebagai variabel dependen), seperti: persentase peningkatan kunjungan fasilitas kesehatan per tahun, penurunan biaya transportasi pasca-bencana, atau peningkatan pendaftaran sekolah. Konteks baru yang harus dianalisis adalah studi longitudinal di mana intervensi adaptasi yang diprioritaskan oleh RVI telah dilaksanakan.

Menunjukkan Perlunya Penelitian Lanjutan: Hasilnya akan menghasilkan bukti return-on-investment yang kuat, sangat penting bagi penerima hibah dan lembaga pendanaan internasional (misalnya, IDA, AfDB) untuk membenarkan investasi besar dalam ketahanan infrastruktur.

3. Standarisasi Transformasi Keluaran Model Iklim ke Indikator Teknik (Climate Model Transformation Protocol)

Justifikasi Ilmiah: Pedoman ini menekankan pentingnya mengubah keluaran model iklim (misalnya, CMIP5) menjadi indikator yang relevan bagi insinyur, seperti frekuensi hari sangat panas atau curah hujan ekstrem. Namun, proses transformasi ini memerlukan panduan dan protokol yang ketat untuk mempertahankan integritas ilmiah.

Metode, Variabel, atau Konteks Baru: Riset harus berkolaborasi dengan ahli klimatologi (khususnya dari CMIP5) untuk mengembangkan Protokol Transformasi Data Iklim yang Terdokumentasi (PTDI). Variabel baru yang harus distandarisasi adalah agregasi statistik iklim (misalnya, Keetch-Byram drought index, kecepatan angin maksimum, dan indeks kelembaban) untuk lokasi jalan. Penelitian ini harus menetapkan ambang batas (threshold) teknis yang disepakati untuk berbagai jenis material perkerasan dan struktur jalan, misalnya, korelasi antara suhu di atas $35^\circ C$ dan degradasi material pengikat aspal.

Menunjukkan Perlunya Penelitian Lanjutan: Protokol PTDI yang distandarisasi akan mengurangi ambiguitas, memungkinkan insinyur jalan di seluruh Afrika menggunakan keluaran iklim masa depan dengan cara yang konsisten dan valid secara teknik, memajukan desain yang tahan iklim.

4. Pengembangan Modul Adaptasi GIS untuk Karakteristik Lingkungan Lokal (GIS Adaptation Module)

Justifikasi Ilmiah: Pedoman mengakui bahwa lokasi jalan itu sendiri—termasuk tutupan lahan, jenis tanah, dan hidrologi—memengaruhi kerentanan. Pendekatan umum mungkin tidak cukup.

Metode, Variabel, atau Konteks Baru: Penelitian harus mengembangkan Modul Penilaian Kerentanan GIS-Lokal (GIS-LVA) yang modular. Modul ini akan secara otomatis mengintegrasikan lapisan data geospasial yang sangat rinci (misalnya, tipologi tanah resolusi tinggi, daerah aliran sungai, dan jarak ke badan air) dengan data inventaris aset jalan. Modul harus memungkinkan pengguna untuk memprioritaskan indikator berdasarkan konteks spesifik: misalnya, untuk wilayah pesisir, variabel jarak ke pantai dan risiko kenaikan permukaan air laut akan diberikan bobot yang lebih tinggi.

Menunjukkan Perlunya Penelitian Lanjutan: Modul ini akan memberikan alat praktis bagi ahli geoinformatika dan insinyur untuk melakukan penilaian tingkat proyek yang sangat akurat, jauh melampaui kemampuan pemetaan risiko tingkat nasional saat ini.

5. Pengukuran Dampak Program Peningkatan Kapasitas dan Change Management (Longitudinal Capacity Study)

Justifikasi Ilmiah: Selain panduan risiko, proyek AfCAP juga menghasilkan Panduan Manajemen Perubahan (Change Management Guideline) untuk mendorong penyerapan dan penanaman hasil riset ke dalam kebijakan dan prosedur kelembagaan. Keberhasilan adaptasi iklim jangka panjang bergantung pada kapasitas institusional.

Metode, Variabel, atau Konteks Baru: Penelitian harus merancang studi longitudinal yang mengukur dampak aktual dari program peningkatan kapasitas pada perilaku organisasi, yang ditargetkan pada Kementerian/Dinas Jalan dan Transportasi di negara mitra. Variabel yang harus diukur mencakup tingkat penyerapan kebijakan adaptasi baru (policy uptake rate), frekuensi pelatihan adaptasi yang diselenggarakan sendiri oleh institusi, dan perubahan dalam alokasi anggaran pemeliharaan untuk pekerjaan yang sensitif terhadap iklim (misalnya, drainase).

Menunjukkan Perlunya Penelitian Lanjutan: Studi ini akan memberikan bukti empiris mengenai efektivitas intervensi "lunak" (soft interventions)—seperti peningkatan kapasitas dan manajemen perubahan—dalam mencapai ketahanan infrastruktur yang bersifat teknis, sebuah area yang jarang diukur dalam literatur teknik.

Ajakan Kolaboratif dan Acuan Utama

Untuk memastikan keberlanjutan dan validitas hasil yang kuat, penelitian lebih lanjut dalam kerangka kerja RVI dan implementasi pedoman ini harus melibatkan kolaborasi multidisiplin antara institusi Council for Scientific and Industrial Research (CSIR), Paige-Green Consulting (Pty) Ltd, dan St Helens Consulting Ltd. Kemitraan ini akan memastikan bahwa landasan ilmiah, keahlian teknik, dan pengalaman implementasi di lapangan tetap terintegrasi.

Baca paper aslinya di sini: Baca paper aslinya di sini

Resensi Riset Akademik: Meningkatkan Manajemen Banjir Sistem Transportasi Jalan melalui Analitik Data Media Berita dan Penilaian Kerentanan

Sistem jaringan jalan merupakan komponen vital dari infrastruktur perkotaan, memfasilitasi pergerakan barang, logistik, dan manusia, baik dalam situasi normal maupun darurat. Namun, kerentanan sistem ini terhadap banjir air permukaan (), diperburuk oleh perubahan iklim dan urbanisasi yang cepat, menimbulkan tantangan signifikan bagi manajemen bencana perkotaan. Penelitian yang beredar telah merekomendasikan perlunya strategi yang lebih fleksibel dan adaptif untuk mengatasi kondisi yang tidak terduga dan dinamis. Dalam konteks ini, penelitian ini menawarkan kerangka kerja terintegrasi yang inovatif, berpusat pada pemanfaatan analitik data media berita sebagai aset yang kurang dimanfaatkan untuk meningkatkan manajemen banjir dalam sistem transportasi jalan, dengan mengambil Greater Bay Area (GBA) di Tiongkok sebagai studi kasus.

Penelitian ini secara eksplisit menjawab pertanyaan sentral: "Bagaimana manajemen banjir dalam sistem transportasi jalan dapat ditingkatkan melalui analitik data media berita?". Melalui tiga fase fokus manajemen banjir—kesiapsiagaan dan peringatan dini, respons dan pemulihan, serta mitigasi, risiko, dan pemodelan kerentanan—temuan-temuan yang saling terkait memberikan lensa baru untuk tata kelola bencana.

Jalur Logis Perjalanan Temuan

Kerangka kerja yang diusulkan dibangun di atas model konseptual Source-Pathway-Receptor-Consequence (SPRC), memetakan hubungan antara pemicu (curah hujan), jalur transmisi (aliran air permukaan), penerima (jalan permukaan), dan konsekuensinya (kerugian dampak). Penelitian ini menggunakan data riwayat media berita dari proyek GDELT (Global Database of Events, Language, and Tone) GKG dari 2015 hingga 2021, diperkuat dengan data konvensional seperti jaringan jalan OpenStreetMap (OSM) dan informasi curah hujan.

Fase 1: Kesiapsiagaan dan Peringatan Dini (Aktivitas Media Berita)

Analisis data media berita GDELT, menggunakan indeks perhatian media (jumlah artikel) dan sentimen berita (skor nada artikel), menghasilkan pola spasial dan temporal yang jelas.

• Pola Spasial: Perhatian media secara signifikan terkonsentrasi di kota-kota GBA yang padat penduduk dan maju secara ekonomi (misalnya, Guangzhou, Shenzhen, dan Hong Kong). Analisis korelasi Pearson menunjukkan hubungan positif yang kuat dan signifikan antara perhatian media dengan populasi (, ) dan PDB (, ). Namun, sentimen berita tidak menunjukkan bias yang signifikan terhadap populasi atau PDB, dengan koefisien korelasi yang sangat lemah dan tidak signifikan. Temuan ini menunjukkan bahwa media berita berperan sebagai cermin objektif dalam melaporkan kerusakan transportasi, tetapi fokus liputannya didorong oleh potensi dampak sosial-ekonomi yang besar.
• Pola Temporal: Liputan media mencapai puncaknya selama musim basah (Mei hingga September), sejalan dengan curah hujan, dan menunjukkan sentimen yang lebih negatif dibandingkan dengan musim kemarau. Lebih lanjut, perhatian media terhadap kerusakan transportasi menunjukkan pola V-terbalik terbalik (inverted V-shaped), di mana sebagian besar artikel diterbitkan selama periode banjir, bukan mendahuluinya. Hal ini menggarisbawahi perlunya peningkatan signifikan dalam penyebaran informasi dan peringatan dini.

Fase 2: Respons dan Pemulihan (Kolaborasi Agensi Pemerintah)

Fase ini menggunakan analisis jaringan dari agensi pemerintah yang disebutkan dalam artikel berita untuk menilai keterlibatan dan kolaborasi selama lima peristiwa banjir parah (2017-2021).

• Jaringan dan Sentralitas: Agensi-agensi seperti Departemen Keamanan Publik, Departemen Keuangan, Departemen Sumber Daya Alam, Departemen Meteorologi, dan Departemen Transportasi terbukti paling aktif dan memiliki nilai sentralitas tertinggi (Degree, Betweenness, dan Closeness). Hal ini menempatkan mereka sebagai simpul-simpul kritis yang sangat diperlukan untuk koordinasi sumber daya dan penyebaran informasi yang efisien.
• Pola Kolaborasi: Kolaborasi agensi ditemukan lebih erat selama banjir akibat topan dibandingkan banjir non-topan, menunjukkan bahwa tingkat keparahan bencana mendorong peningkatan kerja sama. Meskipun demikian, terdapat keterbatasan kolaborasi antara Departemen Transportasi dan Departemen Meteorologi, dengan sedikit atau tanpa kemunculan bersama dalam berita di beberapa peristiwa banjir. Padahal, integrasi data meteorologi sangat penting untuk manajemen transportasi yang efektif selama banjir.

Fase 3: Mitigasi, Risiko, dan Pemodelan Kerentanan (Dampak Potensial)

Fase terakhir mengintegrasikan penilaian kerentanan infrastruktur jalan (dampak langsung/tangible) dengan analisis media berita tentang gangguan transportasi (dampak tidak langsung/tangible).

• Kerentanan Infrastruktur Jalan: Penilaian menggunakan metode berbasis indeks dan bobot CRITIC menemukan bahwa distrik dengan jalan yang jarang dan bergradasi tinggi lebih rentan secara fisik terhadap banjir. Secara spasial, kerentanan cenderung lebih rendah di distrik-distrik di GBA Barat dibandingkan di GBA Tengah dan Timur. Uniknya, Distrik Sentral Bisnis (CBD) kota menunjukkan kerentanan yang rendah atau sangat rendah, berkat waktu respons darurat yang cepat dan kepadatan jalan, jembatan, dan gorong-gorong yang relatif lebih tinggi, mengimbangi eksposur tinggi. Distrik-distrik tertentu, seperti Yau Tsim Mong di Hong Kong, menunjukkan kerentanan yang sangat rendah meskipun eksposurnya tinggi, yang dikaitkan dengan kemampuan pengurangan bencana yang sangat tinggi.
• Dampak Transportasi Tidak Langsung: Analisis frekuensi kata pada data media berita mengidentifikasi logistik transportasi sebagai kategori kerusakan yang paling sering dilaporkan, diikuti oleh transportasi publik. Menariknya, terdapat hubungan terbalik antara frekuensi dampak dan tingkat keparahan sentimen: kecelakaan lalu lintas memiliki frekuensi terendah tetapi sentimen paling negatif (), menunjukkan kerusakan yang jarang tetapi sangat serius. Sebaliknya, gangguan logistik sering terjadi tetapi menimbulkan sentimen yang sedikit negatif. Selain itu, investigasi jalan rawan banjir menyoroti jalan-jalan utama seperti Shennan Avenue di Shenzhen sebagai titik fokus perhatian media tertinggi, mengindikasikan tingkat dampak yang parah.

Kontribusi Utama terhadap Bidang

Penelitian ini memberikan kontribusi teoritis yang kuat dengan mengembangkan metodologi terintegrasi yang secara efektif menggabungkan analitik data media berita, yang dikenal objektif dan andal, dengan penilaian kerentanan konvensional. Kontribusi utamanya adalah mengalihkan fokus dari analisis media sosial yang subjektif ke analisis media berita untuk manajemen bencana.

Penelitian ini memelopori penggunaan analitik media berita untuk mengukur kinerja tata kelola bencana dengan menyediakan perspektif dan metode untuk analisis jaringan agensi pemerintah. Dengan mengukur keterlibatan agensi dan kolaborasi melalui data berita, penelitian ini menawarkan cara yang lebih objektif untuk mengevaluasi efektivitas respons dan kepatuhan terhadap kebijakan yang dirancang.

Secara praktis, temuan ini memberikan wawasan yang dapat ditindaklanjuti untuk otoritas kota. Misalnya, mengidentifikasi pola V-terbalik dalam liputan media mengarah pada rekomendasi langsung untuk meningkatkan informasi peringatan dini sebelum banjir. Selain itu, hasil penilaian kerentanan memberikan arahan yang tepat untuk perencanaan jalan dan desain infrastruktur yang tangguh (misalnya, meningkatkan kepadatan jalan di distrik rentan, membangun Blue-Green Infrastructure (BGI) di CBD).

Keterbatasan dan Pertanyaan Terbuka

Meskipun kerangka kerja terintegrasi ini merupakan langkah maju, penelitian ini memiliki keterbatasan yang menunjuk pada perlunya studi lanjutan.

• Mekanisme Dampak yang Tidak Jelas: Keterhubungan antara tingkat aktivitas media berita dan konsekuensi banjir (misalnya, kerugian transportasi aktual) masih tidak jelas. Tidak adanya data kerusakan transportasi nyata (real transport damage data) mencegah analisis korelasional yang dapat memastikan apakah liputan media yang lebih banyak benar-benar menghasilkan pengurangan kerugian yang efektif.
• Jaringan Non-Pemerintah (NGO): Analisis jaringan hanya berfokus pada agensi pemerintah. Kualitas data yang terbatas dalam proyek GDELT GKG menyulitkan ekstraksi informasi yang andal mengenai Organisasi Non-Pemerintah (NGO). Peran pelengkap dan kritis NGO dalam kesiapsiagaan, respons, dan pemulihan, oleh karena itu, tidak dapat dinilai.
• Dampak Tidak Berwujud Makroskopik: Analisis dampak terbatas pada konsekuensi langsung dan tidak langsung yang nyata (kerusakan fisik dan gangguan transportasi) pada tingkat makroskopik. Pengaruh gangguan transportasi terhadap seluruh sistem perkotaan, termasuk kegiatan sosio-ekonomi, masih terbatas, yang memerlukan integrasi model hidrologi dan lalu lintas yang kompleks.

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Berikut adalah lima jalur riset ke depan yang berbasis temuan dan keterbatasan dalam studi ini, ditujukan khusus untuk komunitas akademik dan penerima hibah:

1. Mengkorelasikan Aktivitas Media Berita dengan Kerugian Transportasi Riil:
   • Basis Temuan: Hipotesis bahwa perhatian media yang lebih tinggi dapat mengurangi kerugian transportasi belum teruji karena kurangnya data kerusakan nyata.
   • Metode/Variabel Baru: Penelitian lanjutan harus berfokus pada pengumpulan data kerusakan transportasi riil (misalnya, penutupan jalan, biaya perbaikan, durasi gangguan) melalui perjanjian bagi data dengan departemen transportasi atau metode berbasis citra (image identification) dari media. Variabel baru ini akan memungkinkan analisis korelasi yang definitif untuk mengukur efektivitas reduksi kerusakan sebagai fungsi dari intensitas dan timing liputan media.
   • Perlunya Lanjutan: Validasi ini sangat penting untuk memberikan justifikasi ilmiah bagi alokasi dana publik pada strategi komunikasi dan peringatan dini berbasis media dalam manajemen bencana.
2. Pemodelan Jaringan Kolaborasi Agensi Multi-Pihak:
   • Basis Temuan: Penelitian ini menunjukkan eratnya kolaborasi antar agensi pemerintah selama banjir topan, tetapi mengesampingkan peran NGO karena tantangan data.
   • Metode/Variabel Baru: Penelitian di masa depan harus menyusun daftar NGO yang terlibat dalam manajemen banjir dan mengembangkan algoritma penambangan teks untuk mengekstrak informasi NGO dari GDELT dan sumber sekunder (misalnya, media sosial). Selanjutnya, analisis jaringan harus dilakukan untuk memetakan keterlibatan dan kolaborasi antara pemerintah dan NGO (Government-NGO network).
   • Perlunya Lanjutan: Menganalisis jaringan multi-pihak ini akan mengidentifikasi kesenjangan koordinasi dan memformulasikan strategi untuk memperkuat kemitraan publik-swasta dalam meningkatkan kapasitas respons dan pemulihan bencana.
3. Analisis Dampak Tidak Berwujud Sosio-Ekonomi Jangka Panjang:
   • Basis Temuan: Studi ini terbatas pada dampak fisik dan gangguan transportasi; pemahaman tentang bagaimana gangguan ini memengaruhi kegiatan sosio-ekonomi masih terbatas.
   • Metode/Variabel Baru: Mengintegrasikan model simulasi (seperti model hidrodinamik dan model lalu lintas) dengan data sosio-ekonomi (misalnya, PDB per kapita, data penggunaan lahan) untuk mengukur sensitivitas sosio-ekonomi yang disebabkan oleh kerusakan transportasi.
   • Perlunya Lanjutan: Pendekatan holistik ini akan memungkinkan prediksi dampak jangka panjang dan penetapan prioritas investasi mitigasi yang memaksimalkan manfaat sosial dan ekonomi.
4. Optimalisasi Desain Infrastruktur Jalan Tahan Banjir Berbasis Kerentanan:
   • Basis Temuan: Penelitian ini menemukan bahwa distrik dengan kerentanan tinggi (misalnya, Dongguan, Longmen) perlu fokus pada peningkatan kepadatan jalan atau konstruksi jalan/jembatan bergradasi tinggi, sedangkan CBD mendapat manfaat dari Blue-Green Infrastructure (BGI).
   • Metode/Variabel Baru: Menerapkan model optimasi spasial (spatial optimization models) yang menggabungkan hasil kerentanan, kriteria biaya-manfaat (cost-benefit criteria), dan proyeksi perubahan iklim/urbanisasi untuk mengoptimalkan alokasi BGI dan lokasi pembangunan jalan baru.
   • Perlunya Lanjutan: Ini akan menginformasikan perencanaan infrastruktur GBA 15 tahun ke depan, memastikan bahwa investasi di bidang transportasi selaras dengan tujuan ketahanan banjir yang berkelanjutan.
5. Peramalan Kinerja Transportasi dalam Skenario Compound Flood:
   • Basis Temuan: GBA sering menghadapi compound flood hazards (kombinasi curah hujan, gelombang badai, dan efek pasang surut). Penelitian ini berfokus pada analisis peristiwa tunggal.
   • Metode/Variabel Baru: Mengembangkan model skenario berbasis risiko yang memperhitungkan probabilitas dan dampak gabungan beberapa ancaman (compound flood) dan memprediksi penurunan kinerja sistem transportasi (misalnya, capacity reduction). Model ini harus memanfaatkan data meteorologi canggih (misalnya, CMIP6 projections) untuk memproyeksikan skenario masa depan.
   • Perlunya Lanjutan: Pemahaman tentang ancaman gabungan akan memungkinkan Departemen Transportasi untuk mengembangkan protokol respons dan evakuasi yang lebih kompleks dan andal, yang saat ini menjadi perhatian utama di kota-kota pesisir Tiongkok.

Penelitian lebih lanjut harus melibatkan institusi Universitas Nottingham Ningbo China, Institute of Urban Environment, Chinese Academy of Sciences, dan otoritas GBA (khususnya Departemen Transportasi dan Meteorologi) untuk memastikan keberlanjutan dan validitas hasil, terutama dalam hal berbagi data operasional yang krusial.

Baca paper aslinya di sini

Riset ini, berjudul "A Systematic Review: To Increase Transportation Infrastructure Resilience to Flooding Events," adalah tinjauan sistematis komprehensif yang mengkaji literatur ilmiah dari tahun 1900 hingga 2021 untuk memetakan upaya peningkatan ketahanan infrastruktur transportasi terhadap banjir. Tinjauan ini bertujuan untuk memenuhi tiga objektif utama: (1) menentukan bencana alam yang paling banyak diteliti terkait kerentanan (vulnerability), (2) mengidentifikasi jenis infrastruktur yang paling dominan dalam studi ketahanan terhadap banjir, dan (3) menyelidiki tahap penelitian saat ini.

Jalur Logis Penemuan Penelitian 🧭

Metodologi tinjauan ini terstruktur dalam tiga tahap yang secara progresif mempersempit fokus penelitian:

Tahap 1: Mengidentifikasi Ancaman Utama

Tahap pertama melibatkan pencarian 17 jenis bahaya atau bencana alam, digabungkan dengan kata kunci "kerentanan" (vulnerability), dalam database Google Scholar dan Scopus dari tahun 1900 hingga 2021. Hasil totalnya mencapai 6.541 studi. Dari jumlah ini, kerentanan banjir (flood vulnerability) adalah topik yang paling menonjol, dengan total 2.223 studi. Temuan ini menunjukkan hubungan kuat antara banjir dan urgensi riset, menegaskan banjir sebagai bencana alam yang paling relevan untuk penyelidikan kerentanan lebih lanjut. Data kuantitatif secara deskriptif menunjukkan pertumbuhan pesat riset kerentanan bencana alam setelah tahun 1980.

Tahap 2: Menentukan Infrastruktur Kritis

Setelah menetapkan banjir sebagai fokus utama, Tahap 2 bertujuan untuk mengidentifikasi sektor infrastruktur kritis yang paling sering dikaitkan dengan ketahanan banjir (flood resilience). Pencarian kata kunci "flood resilience infrastructure" dalam rentang waktu 1981–2021 menghasilkan 79 studi unik. Berdasarkan kategorisasi 55 studi unik, riset terkait transportasi adalah yang paling lazim, muncul dalam 57% studi, mengungguli sektor lain seperti pengolahan air limbah (42%) dan energi (34%). Hal ini secara logis menetapkan infrastruktur transportasi sebagai fokus penting untuk sisa tinjauan.

Tahap 3: Memetakan Tahap Riset Saat Ini

Tahap akhir berfokus pada studi terkait ketahanan infrastruktur transportasi terhadap banjir. Dengan menyaring 700 hasil pencarian kata kunci yang spesifik ("transportation", "road(s)", dan "transit" dengan "flood" dan "flooding"), tim peninjau menganalisis total 133 artikel jurnal terbitan sejawat (peer-reviewed) berbahasa Inggris. Studi-studi ini dikelompokkan ke dalam enam kategori riset, selaras dengan langkah 3–5 dari Infrastructure Resilience Planning Framework (IRPF) oleh CISA (Langkah 3: Penilaian Risiko, Langkah 4: Mengembangkan Tindakan, dan Langkah 5: Implementasi dan Evaluasi).

Enam kategori riset yang ditemukan adalah:

• A: Analisis risiko banjir (17 studi)
• B: Prediksi banjir dan peramalan real-time (11 studi)
• C: Investigasi dampak fisik banjir pada komponen infrastruktur transportasi (29 studi)
• D: Analisis kerentanan sistem dan elemen transportasi (25 studi)
• E: Strategi mitigasi atau langkah persiapan sebelum dan sesudah banjir (20 studi)
• F: Studi lain yang berkaitan dengan ketahanan transportasi terhadap banjir (31 studi)

Dalam kategori A (Analisis Risiko), temuan menunjukkan penggunaan luas model hidrologi/hidrodinamik (misalnya, HEC-HMS) untuk menentukan kedalaman banjir dan alat geospasial untuk memvisualisasikan risiko. Kategori B (Prediksi Real-Time) menekankan perlunya data curah hujan dan air yang memadai untuk meningkatkan akurasi model peramalan. Dalam Kategori C dan D, dampak pada aksesibilitas dan mobilitas diselidiki sebagai faktor krusial, diukur melalui keterlambatan, kecepatan kendaraan, dan kemampuan untuk melintasi jalan.

🔑 Kontribusi Utama terhadap Bidang

Kontribusi utama dari tinjauan sistematis ini adalah sebagai penentu arah strategis untuk penelitian masa depan.

• Validasi Prioritas Riset: Tinjauan ini secara kuantitatif memvalidasi bahwa banjir adalah ancaman bencana alam yang paling banyak dipelajari terkait kerentanan, dan bahwa transportasi adalah infrastruktur yang paling rentan, sehingga memfokuskan sumber daya riset dan hibah di masa depan ke dalam persimpangan kritis ini.
• Peta Jalan IRPF: Pengorganisasian 133 studi di dalam kerangka kerja IRPF (Infrastructure Resilience Planning Framework) adalah kontribusi metodologis yang signifikan. Struktur ini memungkinkan akademisi dan pengambil keputusan untuk secara eksplisit mengidentifikasi di mana studi yang ada sudah selaras dengan tujuan strategis CISA, FEMA, dan GAO, dan lebih penting lagi, di mana terdapat kesenjangan riset yang jelas.
• Identifikasi Kesenjangan Kritis: Kesenjangan yang teridentifikasi, terutama dalam Langkah 4 (Penilaian sumber daya dan kapabilitas yang ada) dan Langkah 5 (Implementasi dan Evaluasi), menunjukkan perlunya pergeseran fokus riset dari pemodelan risiko dan kerentanan (Langkah 3) menuju dimensi implementasi kebijakan, pendanaan, dan evaluasi kinerja.

🚧 Keterbatasan dan Pertanyaan Terbuka

Meskipun komprehensif, riset ini memiliki keterbatasan yang secara langsung menghasilkan pertanyaan terbuka untuk komunitas akademik:

• Fokus pada Publikasi Jurnal: Tahap 3 secara ketat membatasi studi yang diterima hanya pada publikasi jurnal terbitan sejawat berbahasa Inggris. Ini berpotensi mengecualikan laporan pemerintah (yang krusial untuk implementasi), prosiding konferensi (yang mencerminkan inovasi terkini), dan tesis/disertasi, yang dapat memiliki metodologi riset yang kuat.
  • Pertanyaan Terbuka: Seberapa besar jurang pengetahuan antara temuan riset akademis yang dipublikasikan dan strategi implementasi praktis yang didokumentasikan dalam laporan non-akademis atau dokumen kebijakan pemerintah?
• Kesenjangan Implementasi dan Evaluasi (Langkah 5 IRPF): Tinjauan ini secara eksplisit menemukan kekurangan dalam studi yang membahas: (1) implementasi melalui mekanisme perencanaan yang ada, (2) pemantauan dan evaluasi efektivitas, dan (3) pembaruan rencana.
  • Pertanyaan Terbuka: Bagaimana metrik keberhasilan (misalnya, pengurangan biaya pemulihan, pengurangan waktu henti operasional) untuk strategi ketahanan pasca-implementasi dapat diukur dan dievaluasi secara kuantitatif untuk memberikan bukti empiris bagi pembaruan kebijakan?
• Dimensi Sosial-Ekonomi dan Ekuitas: Meskipun beberapa studi (Kategori C dan D) mencatat dampak sosial dan ekonomi terhadap individu berpenghasilan rendah, analisis kesetaraan (equity) dalam perencanaan ketahanan tidak sepenuhnya dominan.
  • Pertanyaan Terbuka: Bagaimana model kerentanan dapat ditingkatkan untuk memasukkan dan memprioritaskan faktor keadilan sosial-ekonomi (misalnya, dampak pada transportasi publik, kebutuhan evakuasi kelompok rentan) untuk memastikan perencanaan ketahanan transportasi yang adil?

🎯 5 Rekomendasi Riset Berkelanjutan

Berikut adalah lima rekomendasi riset ke depan, yang ditujukan untuk memajukan bidang ini melampaui fokus saat ini pada pemodelan risiko (Langkah 3 IRPF) dan menuju implementasi dan evaluasi (Langkah 4 dan 5 IRPF).

1. Riset Aksi untuk Penilaian Sumber Daya dan Kapabilitas yang Ada (Langkah 4 IRPF)

Riset harus bergeser untuk mengatasi kesenjangan yang teridentifikasi mengenai penilaian sumber daya dan kapabilitas yang ada.

• Fokus/Metode Baru: Mengembangkan kerangka audit terstruktur untuk memetakan sumber daya yang ada (misalnya, kewenangan perencanaan dan regulasi, kebijakan pendanaan, keterampilan teknis) di berbagai entitas publik dan swasta.
• Justifikasi Ilmiah: Penilaian ini menciptakan garis dasar yang krusial (baseline) yang saat ini hilang, memungkinkan perencana untuk menentukan strategi implementasi yang realistis, efisien, dan berkelanjutan secara finansial.

2. Pengembangan dan Validasi Metrik Kinerja Ketahanan (Resilience Performance Metrics) (Langkah 5 IRPF)

Penelitian harus berfokus pada pengembangan dan penerapan metrik untuk memantau dan mengevaluasi efektivitas solusi ketahanan.

• Fokus/Variabel Baru: Membandingkan kinerja jaringan transportasi sebelum, selama, dan setelah proyek mitigasi (Kategori E), menggunakan variabel baru seperti waktu pemulihan layanan penuh atau reduksi biaya kerusakan kumulatif.
• Justifikasi Ilmiah: Studi saat ini dominan pada risiko (pre-flood) dan dampak fisik (during-flood). Riset ini akan menutup lingkaran, memberikan bukti empiris dan kuantitatif tentang nilai investasi mitigasi jangka panjang, yang penting untuk pembaruan rencana dan penentuan prioritas pendanaan di masa depan.

3. Integrasi Pemodelan Interdependensi Infrastruktur Kritis

Meningkatkan akurasi analisis kerentanan (Kategori D) dan dampak (Kategori C) dengan secara eksplisit memodelkan kegagalan kaskade yang terjadi akibat ketergantungan antar infrastruktur.

• Fokus/Konteks Baru: Mengembangkan model sistem dari sistem yang menggabungkan kegagalan transportasi (misalnya, penutupan jalan) dengan infrastruktur lain yang teridentifikasi, seperti energi, komunikasi, dan air/air limbah. Penelitian harus menguji dampak kegagalan stasiun pompa air limbah (sektor kedua yang paling banyak diteliti) terhadap penutupan jalan yang berdekatan.
• Justifikasi Ilmiah: Kegagalan infrastruktur kritis jarang terjadi secara terpisah; riset interdependensi akan mencerminkan risiko yang lebih realistis dan memungkinkan pengembangan strategi mitigasi yang lebih terintegrasi dan kokoh.

4. Memanfaatkan Data Real-Time Lanjut untuk Peringatan dan Adaptasi Perilaku

Memajukan penelitian di Kategori B (Peramalan Real-Time) dan Kategori F (Pemanfaatan data pengguna) dengan integrasi data yang lebih kompleks.

• Fokus/Metode Baru: Menggunakan model jaringan saraf ganda (deep learning) yang diperkenalkan dalam Kategori F untuk menganalisis data real-time (misalnya, data GPS dari sistem kendaraan, media sosial, dan citra satelit) untuk memprediksi perubahan perilaku komuter (misalnya, perubahan waktu keberangkatan, pemilihan rute) dan tingkat kelulusan jalan.
• Justifikasi Ilmiah: Meningkatkan kemampuan peringatan dini dan pemahaman perilaku pengguna akan secara langsung berkontribusi pada strategi respons dan kesiapan (Kategori E), dan meningkatkan efektivitas sistem peringatan bagi pengguna jalan.

5. Studi Kasus Komparatif Berbasis Geografi dan Karakteristik Lingkungan

Memperluas studi di luar Asia dan AS (yang merupakan area studi paling umum) dengan menerapkan metodologi yang ada di wilayah dengan karakteristik serupa.

• Fokus/Konteks Baru: Menerapkan model hidrolik/hidrodinamik dan alat penginderaan jauh yang berhasil di Hampton Roads, AS dan Asia (urbanisasi pesisir yang cepat) ke wilayah Afrika (10 studi) atau Amerika Selatan (1 studi) dengan kenaikan permukaan laut dan urbanisasi serupa.
• Justifikasi Ilmiah: Riset ini akan memvalidasi portabilitas temuan dan memastikan bahwa upaya peningkatan ketahanan menjadi global dan inklusif, memanfaatkan basis pengetahuan yang telah dikumpulkan dan diuji.

Penelitian lebih lanjut harus melibatkan institusi dari bidang ilmu data dan kecerdasan buatan, badan-badan pemerintah yang bertanggung jawab atas pengelolaan infrastruktur (misalnya, Departemen Transportasi), dan organisasi-organisasi non-pemerintah yang berfokus pada keadilan sosial dan lingkungan untuk memastikan keberlanjutan dan validitas hasil.

Tautan DOI resmi: Baca paper aslinya di sini

Bencana alam, khususnya banjir, merupakan ancaman nyata yang terus meningkat seiring dengan perubahan iklim dan urbanisasi global. Kerentanan infrastruktur terhadap kejadian-kejadian ini telah menjadi fokus krusial bagi keberlangsungan fungsi masyarakat. Resensi riset ini bersumber dari sebuah tinjauan sistematis komprehensif yang bertujuan untuk memetakan lanskap penelitian akademik mengenai upaya peningkatan ketahanan infrastruktur transportasi terhadap banjir. Tinjauan ini secara eksplisit dirancang sebagai peta jalan bagi komunitas akademik, peneliti, dan penerima hibah riset, dengan fokus pada penyusunan agenda riset ke depan yang menjembatani temuan saat ini dengan kebutuhan implementasi jangka panjang.

Jalur logis perjalanan temuan dalam tinjauan ini disusun melalui tiga tahapan metodologis yang ketat:

1. Tahap Pertama (1900–2021) mengidentifikasi ancaman alam yang paling dominan dalam studi kerentanan. Analisis menemukan bahwa penelitian yang berfokus pada 'kerentanan banjir' merupakan yang paling menonjol dengan mencatatkan 2.223 hasil; temuan ini menunjukkan hubungan kuat antara banjir dan fokus riset global — jauh melampaui kerentanan kekeringan (drought vulnerability) yang berada di posisi kedua dengan 1.383 hasil. Data kuantitatif ini secara deskriptif menunjukkan potensi kuat banjir sebagai objek penelitian baru yang paling mendesak.
2. Tahap Kedua (1981–2021) menyaring jenis infrastruktur kritis yang paling sering dikaitkan dengan ketahanan banjir (flood resilience). Dari 55 studi yang relevan, transportasi adalah jenis infrastruktur yang paling banyak diteliti, muncul di 57% dari keseluruhan studi. Kuantitas ini secara deskriptif menegaskan transportasi sebagai variabel kunci dan prioritas tertinggi untuk studi resiliensi, dibandingkan dengan infrastruktur lain seperti pengolahan air limbah (42%) atau energi (34%).
3. Tahap Ketiga (1981–2021) mengkategorikan dan menganalisis secara mendalam 133 artikel jurnal berbahasa Inggris dan telah ditinjau sejawat (peer-reviewed) yang secara spesifik membahas peningkatan ketahanan infrastruktur transportasi terhadap banjir. Penelitian-penelitian ini kemudian disusun menjadi enam kategori riset utama yang dipetakan dengan Kerangka Kerja Perencanaan Ketahanan Infrastruktur (IRPF) dari Cybersecurity and Infrastructure Security Agency (CISA).

Enam kategori riset yang ditemukan mencakup: (A) analisis risiko banjir (17 studi), (B) prediksi dan peramalan banjir real-time (11 studi), (C) investigasi dampak fisik (29 studi), (D) analisis kerentanan sistem transportasi (25 studi), (E) strategi mitigasi dan persiapan (20 studi), dan (F) area terkait lainnya (31 studi). Dengan 31 studi, Kategori F memiliki jumlah studi paling banyak, diikuti oleh Kategori C (29 studi), menunjukkan fokus riset saat ini yang luas dan mendalam pada dampak serta area terkait ketahanan.

Kontribusi Utama terhadap Bidang

Studi-studi yang ditinjau menunjukkan kemajuan signifikan dalam pemodelan, pengumpulan data, dan analisis kerentanan. Kontribusi utama terbagi dalam beberapa domain:

1. Pemodelan Hidrologi dan Hidrodinamika: Riset saat ini telah memanfaatkan model-model canggih seperti HEC-HMS dan Mike Urban untuk menganalisis kedalaman dan risiko banjir secara spasial, sering kali dengan integrasi sistem informasi geografis (GIS) untuk memvisualisasikan data elevasi dan depresi lahan. Peningkatan ini memungkinkan identifikasi struktur drainase yang berpengaruh (seperti gorong-gorong dan saluran) sebagai karakteristik penting yang memengaruhi risiko.
2. Sistem Prediksi Real-Time: Terdapat upaya nyata untuk memajukan sistem peringatan dini yang mampu melampaui risiko banjir historis, terutama untuk meningkatkan kemampuan tanggap darurat. Ini melibatkan penambahan data baru seperti data angin atmosfer, prediksi harmonik pasang surut, dan arus laut ke dalam model hidrodinamika.
3. Penggunaan Data Inovatif dan Kolaboratif: Penelitian telah menunjukkan penggunaan data real-time dan non-tradisional yang semakin matang. Contohnya adalah pemanfaatan analisis citra dan metadata dari media sosial (tweet) untuk menentukan ruas jalan yang dapat dilalui (passability) selama banjir. Pendekatan ini secara signifikan mengurangi waktu pemrosesan, yang sangat penting dalam kondisi darurat.
4. Resiliensi dan Prioritas Jaringan: Sejumlah besar studi (Kategori D) berfokus pada analisis kerentanan jaringan transportasi untuk memprioritaskan upaya resiliensi. Pemetaan ini sangat vital untuk mengalokasikan investasi secara tepat guna, memaksimalkan manfaat ekonomi dan fungsi umum.

Secara geografis, kepentingan riset ini diakui secara global, dengan 39 studi dilakukan di Asia, 32 di Amerika Utara (khususnya AS), dan 29 di Eropa. Distribusi ini menunjukkan pentingnya penelitian di wilayah yang mengalami urbanisasi pesat di sepanjang garis pantai dan kenaikan permukaan air laut, seperti di Asia, di mana kerentanan meningkat akibat kepadatan penduduk dan aset.

Keterbatasan dan Pertanyaan Terbuka

Meskipun kontribusi riset saat ini sangat berharga, tinjauan ini secara eksplisit mengidentifikasi kesenjangan pengetahuan yang signifikan dalam alur kerja IRPF. Mayoritas studi yang ada berfokus pada Penilaian Risiko (Langkah 3) dan Pengembangan Tindakan (Langkah 4, sebagian).

Kesenjangan kritis yang memerlukan perhatian mendesak dalam riset ke depan berada pada komponen Implementasi dan Evaluasi (Langkah 5 IRPF) dan sebagian dari Langkah 4. Empat komponen utama yang kurang mendapat perhatian dalam literatur adalah:

1. Menilai sumber daya dan kapabilitas yang ada.
2. Implementasi melalui mekanisme perencanaan yang ada (misalnya rencana komunikasi, rencana pemulihan pra-bencana).
3. Memantau dan mengevaluasi efektivitas.
4. Memperbarui rencana.

Kesenjangan ini menunjukkan bahwa meskipun komunitas akademik telah berhasil mengidentifikasi ancaman, menilai risiko, dan merumuskan solusi resiliensi, metodologi dan kerangka kerja untuk mengukur keberhasilan implementasi solusi-solusi tersebut di lapangan masih sangat minim. Pertanyaan terbuka terpenting adalah: bagaimana kita mengukur dan memverifikasi bahwa sebuah tindakan mitigasi telah benar-benar meningkatkan ketahanan transportasi dalam konteks operasional nyata?

Keterbatasan ini menjadi penghalang terbesar dalam menjembatani temuan saat ini dan potensi jangka panjang untuk mencapai ketahanan transportasi berkelanjutan. Resiliensi sejati tidak hanya diukur dari kemampuan sistem untuk menahan bencana, tetapi juga dari kemampuan untuk pulih (recoup losses and recover stability) dan terus beradaptasi pasca-bencana, yang memerlukan pemantauan dan evaluasi berkelanjutan.

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Untuk mengatasi keterbatasan yang teridentifikasi dan memperluas kontribusi riset saat ini, lima rekomendasi riset berkelanjutan berikut disajikan:

1. Pengembangan Metrik Kinerja Resiliensi Operasional (RPM) Jaringan

Riset selanjutnya harus berfokus pada pengembangan Metrik Kinerja Resiliensi Operasional (RPM) yang terukur untuk infrastruktur transportasi, sebuah upaya yang secara langsung mengisi kesenjangan pada komponen pemantauan dan evaluasi efektivitas (Langkah 5 IRPF).

• Justifikasi Ilmiah: Studi saat ini belum memberikan metodologi untuk mengevaluasi keberhasilan langkah-langkah resiliensi yang diimplementasikan.
• Metode, Variabel, atau Konteks Baru: Perlu digunakan pendekatan Analisis Keputusan Multikriteria (MCDA) untuk mengintegrasikan variabel non-fisik seperti waktu pemulihan layanan (berdasarkan standar FEMA), penundaan lalu lintas kumulatif (dalam jam/orang), dan biaya ekonomi berbasis gangguan. RPM harus menyediakan alat kuantitatif untuk membandingkan skenario pra- dan pasca-mitigasi, sehingga mendukung pengambilan keputusan investasi yang berkelanjutan.

2. Integrasi IoT dan Deep Learning untuk Peramalan Banjir Street-Level

Peningkatan akurasi sistem peringatan dini menuntut perluasan riset dalam Kategori B (Prediksi Banjir Real-Time).

• Justifikasi Ilmiah: Meskipun pemodelan real-time sudah ada, kemampuan untuk menganalisis dan memperingatkan banjir hingga tingkat jalanan (street-level) secara dinamis masih harus ditingkatkan.
• Metode, Variabel, atau Konteks Baru: Fokus harus diarahkan pada area pesisir yang sangat terurbanisasi. Metodenya adalah implementasi jaringan sensor Internet of Things (IoT) (pengukur kedalaman dan kecepatan air) yang dipadukan dengan pemrosesan Citra Satelit Resolusi Sangat Tinggi (VHR) menggunakan model Deep Learning. Model ini akan secara otomatis memperbarui peta genangan air dan rute yang dapat dilalui dalam interval waktu yang sangat singkat, memberikan data yang lebih akurat untuk manajer darurat.

3. Analisis Kerentanan Sosial-Ekonomi Inklusif Jaringan Transportasi

Riset harus memperluas definisi kerentanan (Kategori D) untuk memastikan keadilan dalam strategi kesiapsiagaan.

• Justifikasi Ilmiah: Studi saat ini sering berfokus pada dampak fisik, namun equity dalam transportasi memerlukan pemahaman tentang bagaimana banjir memengaruhi individu yang rentan dan kurang beruntung secara sosial-ekonomi.
• Metode, Variabel, atau Konteks Baru: Model Sistem Informasi Geografis (GIS) harus diperkaya dengan variabel sosial seperti kepadatan penduduk berpenghasilan rendah, tingkat ketergantungan pada transportasi publik, dan ketersediaan layanan kesehatan kritis di sepanjang jaringan. Analisis ini akan mengidentifikasi ruas jalan yang sangat penting (critical road segments) yang jika terputus, akan memberikan dampak disproporsional terhadap komunitas rentan.

4. Evaluasi Kinerja Bahan Konstruksi Adaptif dan Berkelanjutan

Studi dalam Kategori E (Mitigasi) harus beralih dari usulan mitigasi ke evaluasi kinerja struktural dan lingkungan.

• Justifikasi Ilmiah: Mitigasi memerlukan pertimbangan desain yang lebih baik, termasuk penggunaan material yang berkelanjutan dan elevasi jalan. Evaluasi komprehensif diperlukan untuk menguji kelayakan jangka panjangnya.
• Metode, Variabel, atau Konteks Baru: Penelitian harus melakukan Uji Laboratorium Skala Penuh dan Analisis Siklus Hidup (LCA) untuk material konstruksi alternatif, seperti geomaterial berbasis limbah dan produk sampingan. Variabel yang diuji harus mencakup koefisien abrasi dan ketahanan struktural material di bawah tekanan banjir dengan kecepatan dan durasi aliran tinggi yang berbeda. Hal ini diperlukan untuk memajukan standar desain yang lebih efektif.

5. Pemodelan Kegagalan Berantai Probabilistik Antarsistem Kritis

Riset harus memperdalam pemahaman tentang sifat interdependensi antar infrastruktur kritis (Kategori F).

• Justifikasi Ilmiah: Banjir menyebabkan kegagalan berantai (cascading failure), dan analisis risiko harus mencerminkan interdependensi ini, bukan hanya kegagalan satu komponen.
• Metode, Variabel, atau Konteks Baru: Perlu dikembangkan Model Simulasi Berbasis Agen (Agent-Based Simulation) yang fokus pada hubungan antara jaringan transportasi darat (jalan dan rel) dan infrastruktur energi (listrik). Pemodelan ini harus menghitung probabilitas penutupan jalan akibat banjir yang menyebabkan kegagalan sistematis di sektor energi (misalnya, tiang listrik roboh, gardu terendam) yang pada akhirnya melumpuhkan transportasi (misalnya, lampu lalu lintas mati, operasional transit listrik terhenti).

Kesimpulan

Tinjauan sistematis ini menunjukkan bahwa komunitas riset telah meletakkan fondasi yang kuat dalam pemahaman risiko dan kerentanan infrastruktur transportasi terhadap banjir. Namun, tantangan yang lebih besar, dan potensi jangka panjang yang sesungguhnya, terletak pada penguatan Langkah Implementasi dan Evaluasi IRPF CISA. Dengan memfokuskan agenda riset ke depan pada pengembangan metrik kinerja operasional, integrasi data real-time yang cerdas, analisis kerentanan yang inklusif, dan pemodelan interdependensi, peneliti dapat secara aktif menutup kesenjangan antara teori dan praktik. Upaya-upaya ini akan mengubah transportasi dari sekadar objek yang rentan menjadi sistem yang adaptif dan benar-benar tangguh dalam menghadapi ancaman iklim yang terus meningkat.

Penelitian lebih lanjut harus melibatkan institusi pemerintah daerah (misalnya, dinas PUPR, perhubungan), industri teknologi geospasial, dan lembaga donor/hibah riset global untuk memastikan keberlanjutan dan validitas hasil, serta mendorong transisi dari analisis risiko ke ketahanan yang terimplementasi secara efektif.

Baca paper aslinya di sini

Tinjauan Strategis: Memetakan Masa Depan Manajemen Risiko Infrastruktur di Yordania dan Selebihnya

Sektor konstruksi Yordania merupakan kontributor signifikan terhadap PDB negara tersebut. Namun, sektor vital ini menghadapi tantangan besar: proyek jalan di Yordania terkenal karena mengalami pembengkakan biaya (cost overruns) yang signifikan selama fase konstruksi dan operasi. Sebuah studi baru-baru ini oleh Ala'a Sa'dl Issa Alkhawaja dan Ibrahim Farouq Varouqa, berjudul "Risks management of infrastructure line services and their impact on the financial costs of road projects in Jordan," menyelidiki akar permasalahan ini.

Studi ini berfokus pada tantangan spesifik dalam mengelola layanan jaringan infrastruktur—seperti pipa air bersih, sanitasi, dan saluran komunikasi yang terkubur. Seringkali, dokumentasi untuk layanan bawah tanah ini tidak memadai atau tidak ada. Akibatnya, pelaksana proyek menghadapi rintangan tak terduga, seperti pipa tua yang sudah usang, yang memaksa perubahan desain di tengah konstruksi dan menimbulkan biaya tambahan yang besar. Fenomena ini tidak sepele; secara global, dilaporkan bahwa 90% proyek infrastruktur mengalami pembengkakan biaya rata-rata 28%.

Untuk mengatasi ini, penelitian Alkhawaja dan Varouqa bertujuan mengidentifikasi, menganalisis, dan mengevaluasi risiko-risiko ini secara sistematis dalam konteks Yordania. Metodologi mereka melibatkan tinjauan literatur yang komprehensif untuk mengidentifikasi 32 bahaya spesifik. Ini diikuti oleh survei kuesioner yang disebar ke 328 insinyur dan profesional yang bekerja di sektor publik (36,2%), sektor swasta (47,8%), dan organisasi lain di Yordania.

Dengan menggunakan analisis Indeks Kepentingan Relatif (RII) , penelitian ini membedah risiko berdasarkan dua dimensi kritis: kemungkinan terjadinya (Possibility) dan tingkat keparahan konsekuensinya (Impact). Tinjauan ini menganalisis temuan kunci dari studi tersebut dan, yang lebih penting, menyusun agenda penelitian masa depan yang dirancang untuk komunitas akademik, peneliti, dan badan pendanaan.

Kontribusi Utama terhadap Bidang

Kontribusi paling signifikan dari penelitian ini adalah pergeserannya dari bukti anekdotal ke pemeringkatan risiko berbasis data. Dengan mengkuantifikasi 32 risiko, studi ini memberikan daftar prioritas yang jelas bagi para pemangku kepentingan.

Temuan kuantitatif utamanya mengungkap perbedaan kritis antara risiko yang paling sering terjadi dan risiko yang paling merusak:

1. Risiko Berdampak Tertinggi (Highest Impact): Penelitian ini mengidentifikasi tiga faktor risiko yang berbagi peringkat teratas untuk dampak finansial, masing-masing dengan nilai RII 0.862. Faktor-faktor ini adalah: "Kurangnya kebijakan nasional yang mendorong pengembangan infrastruktur" (C35), "Operasi terhambat oleh kurangnya peralatan yang diperlukan" (C31), dan "Kecelakaan terjadi karena prosedur keselamatan yang buruk" (D31). Temuan ini secara deskriptif menunjukkan hubungan yang kuat antara kegagalan sistemik (kebijakan, keselamatan) dan kegagalan teknis (peralatan) dengan pembengkakan biaya yang paling parah.
2. Risiko Kemungkinan Tertinggi (Highest Likelihood): Ketika menganalisis kemungkinan terjadinya, studi ini menemukan faktor yang berbeda di peringkat teratas. "Masalah dengan kontrak antara bisnis pengelola proyek dan entitas pemerintah yang bertanggung jawab" (D22) muncul sebagai risiko yang paling mungkin terjadi, dengan RII 0.858. Temuan ini juga didukung dalam abstrak dan kesimpulan.

Sintesis dari dua poin ini merupakan inti dari kontribusi penelitian: Terdapat kesenjangan yang signifikan antara apa yang paling sering dihadapi manajer proyek (masalah kontrak) dan apa yang paling merugikan proyek (masalah kebijakan, peralatan, dan keselamatan). Ada potensi kuat bahwa manajer proyek menghabiskan sumber daya untuk memitigasi risiko D22 yang sering terjadi, sementara risiko C35, C31, dan D31 yang "kurang sering" namun berdampak besar tidak tertangani secara memadai.

Keterbatasan dan Pertanyaan Terbuka

Meskipun memiliki keandalan statistik yang tinggi (Cronbach alpha 0.984), penelitian ini memiliki keterbatasan yang secara alami membuka jalan bagi penyelidikan di masa depan.

Pertama, penelitian ini sangat spesifik secara kontekstual di Yordania. Temuan ini didasarkan pada persepsi para profesional Yordania. Apakah 32 risiko ini dan peringkat RII-nya dapat digeneralisasi ke negara-negara berkembang lainnya masih menjadi pertanyaan terbuka—sebuah poin yang diakui oleh penulis sendiri dalam rekomendasi mereka.

Kedua, metodologi ini bergantung pada data persepsi (kuesioner dan laporan mandiri) untuk menilai dampak risiko. Meskipun ini secara akurat mengukur pandangan ahli, ini tidak secara empiris melacak biaya finansial aktual dari risiko-risiko ini dalam proyek yang telah selesai. Studi ini mengidentifikasi penyebab pembengkakan biaya, tetapi tidak mengukur besaran biaya tersebut.

Hal ini menimbulkan pertanyaan terbuka:

• Apakah risiko berdampak tertinggi (RII 0.862) benar-benar menyebabkan kerugian finansial yang lebih besar dalam Dolar Yordania daripada risiko berkemungkinan tertinggi (RII 0.858)?
• Studi ini bertujuan untuk "memperkuat hubungan" antara pemangku kepentingan , namun juga mengidentifikasi "kolaborasi yang tidak efektif" (C32) sebagai risiko. Bagaimana mekanisme intervensi praktis untuk meningkatkan kolaborasi ini?
• Para penulis secara eksplisit menyarankan penggunaan machine learning. Dapatkah 32 faktor risiko yang diidentifikasi digunakan sebagai variabel input untuk membangun model prediktif yang fungsional untuk pembengkakan biaya di Yordania?

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Berdasarkan temuan kuantitatif, keterbatasan, dan rekomendasi eksplisit dalam paper, kami mengusulkan lima jalur penelitian lanjutan yang kritis.

1. Pengembangan Model Prediktif Berbasis Machine Learning untuk Peramalan Risiko

• Justifikasi Ilmiah: Paper ini secara eksplisit merekomendasikan penggunaan "metode machine learning dan peramalan bahaya layanan infrastruktur".
• Metode, Variabel, atau Konteks Baru: Penelitian saat ini telah berhasil mengidentifikasi dan memvalidasi 32 variabel risiko (misalnya C35, D22, D31). Penelitian lanjutan harus menggunakan 32 faktor ini sebagai input features dalam model machine learning (misalnya, Random Forest, Support Vector Machines, atau Neural Networks). Variabel output (target) dapat berupa klasifikasi biner (proyek mengalami/tidak mengalami pembengkakan biaya >10%) atau regresi (persentase aktual pembengkakan biaya).
• Kebutuhan Penelitian Lanjutan: Langkah ini sangat penting untuk memindahkan bidang ini dari analisis deskriptif (mengidentifikasi risiko yang ada) ke analisis prediktif (meramalkan risiko di masa depan). Ini akan memberikan alat bantu keputusan praktis bagi manajer proyek dan lembaga pendanaan untuk mengalokasikan dana kontingensi secara lebih akurat.

2. Validasi Lintas Negara dan Analisis Faktor Risiko Komparatif

• Justifikasi Ilmiah: Para penulis menyarankan perlunya menyelidiki "faktor-faktor pembengkakan biaya di negara-negara yang belum pernah diselidiki sebelumnya".
• Metode, Variabel, atau Konteks Baru: Menggunakan metodologi RII yang telah tervalidasi dan kuesioner 32-faktor dari studi ini sebagai baseline, penelitian replikasi harus dilakukan. Konteks baru harus mencakup negara-negara berkembang lain di kawasan Timur Tengah dan Afrika Utara (MENA) yang menghadapi tantangan serupa dalam pemetaan infrastruktur bawah tanah.
• Kebutuhan Penelitian Lanjutan: Penelitian ini akan menjawab pertanyaan tentang generalisasi. Apakah "kurangnya kebijakan nasional" (C35) merupakan risiko berdampak tinggi secara universal, atau apakah ini unik bagi struktur tata kelola Yordania? Ini penting untuk pengembangan kerangka kerja manajemen risiko regional.

3. Analisis Kuantitatif Empiris: Menghubungkan Skor RII dengan Data Biaya Aktual

• Justifikasi Ilmiah: Studi ini mengidentifikasi risiko berdasarkan persepsi ahli , menemukan risiko dampak tinggi (RII 0.862) dan risiko kemungkinan tinggi (RII 0.858).
• Metode, Variabel, atau Konteks Baru: Riset masa depan harus beralih dari kuesioner ke studi kasus post-mortem yang mendalam pada proyek jalan Yordania yang telah selesai. Peneliti harus mengumpulkan data keuangan aktual, change orders, dan jadwal proyek, kemudian secara forensik mengisolasi insiden biaya yang disebabkan oleh risiko spesifik yang teridentifikasi (misalnya, melacak biaya pasti yang timbul dari "masalah kontrak" (D22)).
• Kebutuhan Penelitian Lanjutan: Ini akan memvalidasi apakah persepsi RII berkorelasi langsung dengan kerugian finansial. Ini akan menjawab: Berapa biaya rata-rata dari risiko D31 (kecelakaan) dibandingkan dengan risiko D22 (kontrak)? Data ini sangat penting untuk membangun justifikasi Return on Investment (ROI) untuk intervensi mitigasi risiko spesifik.

4. Riset Aksi (Action Research) untuk Merancang dan Menguji Kerangka Kerja Kolaborasi Pemangku Kepentingan

• Justifikasi Ilmiah: Salah satu tujuan eksplisit studi ini adalah untuk "mengembangkan rencana untuk memperkuat hubungan" antara otoritas implementasi jalan, lembaga pemerintah, dan sektor swasta. Risiko "Kolaborasi dan komunikasi yang tidak efektif" (C32) juga teridentifikasi.
• Metode, Variabel, atau Konteks Baru: Daripada hanya mengidentifikasi masalah, penelitian masa depan harus menggunakan metodologi Action Research atau Design-Based Research. Peneliti harus bermitra dengan lembaga-lembaga yang disebutkan dalam paper (misalnya, Greater Amman Municipality, Kementerian Pekerjaan Umum & Perumahan) untuk bersama-sama merancang, mengimplementasikan, dan mengevaluasi kerangka kerja kolaborasi baru (misalnya, platform data terpusat untuk pemetaan layanan bawah tanah).
• Kebutuhan Penelitian Lanjutan: Paper ini mengidentifikasi kebutuhan untuk kolaborasi yang lebih baik; riset selanjutnya harus menguji cara mencapainya. Ini adalah kesenjangan kritis antara identifikasi masalah dan pengembangan solusi yang dapat diimplementasikan.

5. Analisis Biaya Siklus Hidup (LCCA) untuk Risiko Lingkungan dan Sosial

• Justifikasi Ilmiah: Studi ini mengidentifikasi risiko Lingkungan (A11: Perubahan pola cuaca, A12: Bencana) dan Sosial (A21: Vandalisme/Kriminalitas). Namun, dalam analisis RII untuk kemungkinan dan dampak, risiko-risiko ini secara konsisten mendapat peringkat "Very Low".
• Metode, Variabel, atau Konteks Baru: Penelitian masa depan harus mempertanyakan apakah RII berbasis persepsi jangka pendek ini meremehkan dampak laten atau jangka panjang dari risiko lingkungan/sosial. Dengan menggunakan Life Cycle Cost Analysis (LCCA), peneliti harus menyelidiki bagaimana risiko seperti "Perubahan pola cuaca" (A11) berdampak pada biaya pemeliharaan dan operasional jalan, bukan hanya biaya konstruksi awal.
• Kebutuhan Penelitian Lanjutan: Fokus paper saat ini adalah pada pembengkakan biaya konstruksi. Namun, risiko lingkungan mungkin memiliki RII konstruksi yang rendah tetapi RII siklus hidup total yang sangat tinggi. Penelitian ini sangat penting untuk memastikan keberlanjutan infrastruktur jangka panjang, bukan hanya penyelesaian proyek tepat waktu.

Ajakan untuk Kolaborasi

Penelitian oleh Alkhawaja dan Varouqa telah meletakkan dasar yang kuat dengan mengidentifikasi dan memprioritaskan 32 risiko utama dalam proyek jalan di Yordania. Temuan bahwa risiko yang paling mungkin terjadi (kontrak) bukanlah risiko yang paling berdampak (kebijakan, peralatan, keselamatan) adalah wawasan penting bagi semua manajer proyek.

Untuk membangun momentum ini, penelitian lebih lanjut harus melibatkan kolaborasi erat antara institusi akademik, Kementerian Pekerjaan Umum & Perumahan Yordania, Greater Amman Municipality, Kementerian Administrasi Lokal, dan kontraktor sektor swasta. Integrasi data persepsi ahli dengan data keuangan proyek aktual, serta penerapan metodologi baru seperti machine learning, sangat penting untuk memvalidasi temuan ini dan mengembangkan solusi yang berkelanjutan.

Baca paper aslinya di sini