Otomatisasi dan Temporal: Model ini bersifat dinamis karena melihat perubahan kondisi jalan dari waktu ke waktu secara berkelanjutan (automation).
Analisis Multivariabel: Tidak hanya mengukur kondisi jalan pada satu waktu saja, model ini juga mengintegrasikan hubungan kausalitas antar-variabel. Termasuk faktor genangan perkotaan, curah hujan, dan sistem drainase.
Air genangan akibat hujan deras dan drainase buruk yang meresap ke dalam celah aspal merupakan salah satu penyebab utama percepatan kerusakan jalan. Melalui model ini, hubungan kausal, ketidakpastian, serta dinamika penurunan perkerasan jalan di area rawan genangan dapat direpresentasikan secara akurat.
Ia berharap hasil riset doktoralnya ini tidak hanya menjadi dokumen akademik di perpustakaan, melainkan dapat diimplementasikan secara nyata oleh pemerintah daerah, khususnya di Kota Denpasar.
Inovasi ini memiliki potensi pemanfaatan yang sangat luas. Dinas PUPR dapat menggunakan rekomendasi prediksi DBN untuk menyusun program pemeliharaan jalan tahunan, maupun jangka menengah secara lebih terukur.
Selain itu, model ini juga dapat dikembangkan untuk mendukung pengelolaan sumber daya air, karena turut mengintegrasikan variabel curah hujan dan drainase.
Bappeda juga dapat memanfaatkan persentase probabilitas kondisi jalan untuk menyusun rencana alokasi anggaran, dan prioritas investasi infrastruktur berbasis risiko.
Namun, agar model DBN ini dapat bekerja secara optimal, pengelolaan data jalan harus dilakukan secara terintegrasi, terdokumentasi dengan baik. Serta diperbarui secara berkala.
