IDENTIFIKASI LOKASI RAWAN KECELAKAAN
LALU LINTAS DI KOTA BOGOR DAN PENSKORAN
TINGKAT KERAWANAN RUAS JALAN
YUNI RAFITA
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, September 2016
Yuni Rafita
RINGKASAN
YUNI RAFITA. Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan. Dibimbing oleh BAGUS SARTONO dan BUDI SUSETYO.
Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas pemerintah Kota Bogor dalam sepuluh tahun terakhir.
Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas. Tujuan penelitian ini adalah mengidentifikasi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas di Kota Bogor dan membangun penskoran kerawanan ruas jalan.
Penelitian ini merupakan penelitian terapan dengan menggunakan data sekunder. Data yang digunakan diantaranya yaitu data kecelakaan lalu lintas Kota Bogor tahun 2014 – 2015, serta data kondisi jalan dan volume lalu lintas. Data utama kecelakaan lalu lintas diperoleh dari Polresta Bogor, sedangkan data kondisi jalan dan volume lalu lintas diperoleh dari Dinas Lalu Lintas dan Angkutan Jalan (DLLAJ) Kota Bogor. Analisis data pada penelitian ini menggunakan analisis deskriptif, geographic information system (GIS), analisis regresi logistik biner, dan penskoran karakteristik lokasi rawan.
Identifikasi lokasi rawan kecelakaan lalu lintas menggunakan statistik kendali mutu sebagai dengan Upper Control Limit (UCL). Model penskoran ruas dibangun menggunakan regresi logistik dari nilai weight of evidence (WOE) karakteristik ruas jalan yang terdiri dari fungsi jalan, kelas jalan, jumlah lajur, dan bentuk geometri. Hasil penelitian menunjukkan bahwa terdapat 37 segmen ruas jalan termasuk kaetegori rawan dari 74 segmen ruas jalan yang teridentifikasi sebagai lokasi titik kecelakaan lalu lintas di Kota Bogor. Berdasarkan scorecard karakteristik ruas jalan yang diperoleh, atribut yang memliki skor tertinggi penyebab rawannya kecelakaan lalu lintas pada ruas jalan Kota Bogor jalan dua arah dan bergeometri tikungan.
SUMMARY
YUNI RAFITA. Identification of Traffic Accident Blackspot in Bogor City and Scoring Model for Roads Segment. Supervised by BAGUS SARTONO and BUDI SUSETYO.
The existence of Bogor City as buffer area of the Capital of Republic of Indonesia coupled with enormous number of Bogor residence working in Jakarta result in the emergence of various problems in transportation, including traffic accidents. The transportation problem even ranks first among other problems prioritized by the local government of Bogor for the last ten years.
One effort that can be applied to reduce the number of traffic accidents is to identify and analyze the condition of roads considered to be the location of traffic accident-prone. The purpose of this study was to identify roads considered as the location of traffic accident black spot in Bogor City and to construct scoring model of roads vulnerability.
This study is an applied research which mainly use secondary data of traffic accidents, road conditions, and traffic volumes. The main data of traffic accidents were supplied by the Police of Bogor while data on road conditions and traffic volume were provided by the Bureau of Traffic and Road Transportation (DLLAJ) of Bogor City. Data analysis in this research were applied using descriptive analysis, geographic information system (GIS), binary logistic regression analysis and scoring model of roads segment.
Identification of traffic accident blackspot was conducted by using the statistical quality control as the control-chart UCL. The segment scoring model was created through logistic regression with value of weight of evidence (WOE) covered road characteristics consisted of road function, road class, number of lane, and geometric shape. Result showed that there were 37 of 74 road segments identified as location of traffic accident blackspot in Bogor City. Based on the scorecard characteristics of roads obtained, attribute reached the highest score which contributed to traffic accidents in Bogor City was the road section that has two direction and bend roads.
© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
IDENTIFIKASI LOKASI RAWAN KECELAKAAN
LALU LINTAS DI KOTA BOGOR DAN PENSKORAN
TINGKAT KERAWANAN RUAS JALAN
YUNI RAFITA
Tesis
sebagai salah satu sarat memperoleh gelar
Magister Sains
pada
Program Studi Statistika Terapan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
PRAKATA
Puji syukur kehadirat Allah SWT atas limpahan karunia-Nya, sehingga akhirnya penulis dapat menyelesaikan tesis yang berjudul “Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan” ini dengan baik.
Penulisan tesis ini dilakukan sebagai salah satu upaya untuk mengurangi angka kecelakaan di Kota Bogor, selain itu juga sebagai persyaratan yang harus dipenuhi dalam menyelesaikan jenjang Magister Sains di Prodi Statistika Terapan, Sekolah Pasca Sarjana Insitut Pertanian Bogor.
Penulis menyadari bahwa penyusunan tesis imi tidak lepas dari dukungan dan bantuan dari berbagai pihak, baik yang berupa saran, kritik, bimbingan maupun bantuan lainnya. Pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada dosen pembimbing, Bapak Dr. Bagus Sartono, M.Si dan Bapak Dr. Ir. Budi Susetyo, M.S. dan semua pihak yang telah membantu.
Penulis menyadari bahwa dalam tulisan ini masih banyak berbagai kekurangan karena keterbatasan pengetahuan dan kemampuan. Kritik dan saran yang bersifat membangun diharapkan demi kesempurnaan penulisan kedepan.
DAFTAR ISI
DAFTAR TABEL xi
DAFTAR GAMBAR xi
DAFTAR LAMPIRAN xi
1 PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
2 TINJAUAN PUSTAKA 2
Kecelakaan Lalu Lintas 2
Lokasi Rawan Kecelakaan Lalu Lintas 4
Geographic Information System (GIS) 5
Sistem Koordinat dan Proyeksi dalam GIS 5
Penskoran Lokasi Rawan Kecelakaan Lalu Lintas 7
Regresi Logistik Biner 10
3 METODE PENELITIAN 11
Data 11
Metode Analisis Data 12
4 HASIL DAN PEMBAHASAN 16
Profil Kecelakaan Lalu Lintas di Kota Bogor 16
Lokasi Titik Kecelakaan Lalu Lintas 17
Kriteria Segmen Ruas Jalan 19
Penskoran Karakteristik Ruas Jalan 20
5 SIMPULAN DAN SARAN 26
Simpulan 26
Saran 26
DAFTAR PUSTAKA 27
DAFTAR TABEL
Tabel 2.1 Ukuran Kualitas Penskoran 9
Tabel 3.1 Daftar Peubah Penelitian Menurut Sumber Data 12 Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada
Penskoran 14
Tabel 4.1 Ringkasan Kriteria Segmen Ruas Jalan 19
Tabel 4.2 Nilai WOE Karakteristik Jalan 21
Tabel 4.3 Nilai InfV Karakteristik Jalan 21
Tabel 4.4 Koefisien Model Regresi Logistik Biner Nilai WOE
Seluruh Peubah 22
Tabel 4.5 Korelasi Antar Peubah 22
Tabel 4.6 Koefisien Model Regresi Logistik Biner Tanpa WOE Median 23
Tabel 4.7 Statistik Uji G 23
Tabel 4.8 Penskoran Ruas Jalan 24
Tabel 4.9 Perhitungan Skor Jalan Raya Soleh Iskandar 10 25 Tabel 4.10 Tabulasi Silang Prediksi dan Kenyataan Segmen 25
Ruas Jalan Kota Bogor
Tabel 4.11 Ukuran Kualitas Model 25
DAFTAR GAMBAR
Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur 6
Gambar 2.2 Pembagian Zona UTM Indonesia 7
Gambar 3.1 Diagram Alir Penelitian 15
Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut
Karakteristik Jalan 16
Gambar 4.2 Peta Titik Kecelakaan Lalu Lintas 18
Gambar 4.3 Peta Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor 20
DAFTAR LAMPIRAN
1 Hasil Perhitungan Tingkat Kecelakaan 30
1 PENDAHULUAN
Latar Belakang
Kecelakaan lalu lintas telah menjadi penyebab kematian yang ke-8 di dunia (WHO 2013), dan menjadi penyebab kematian ketiga di Indonesia (BPS 2015). Korlantas POLRI mencatat sepanjang tahun 2014 terjadi 95,906 kejadian kecelakaan lalu lintas di Indonesia dengan korban meninggal 28,297 jiwa. Jumlah ini naik sebesar 7.12 persen dibandingkan tahun 2013 (BPS 2015). Kecelakaan lalu lintas tidak hanya terbatas pada korban jiwa, namun juga berdampak luas pada kestabilan ekonomi suatu negara. Kecelakaan lalu lintas menjadi salah satu faktor penyebab melemahnya pertumbuhan ekonomi pada negara berkembang. Kecelakaan lalu lintas merupakan salah satu permasalahan krusial di bidang transportasi dan keselamatan jalan (Apparao dan Mallikarjunareddy 2013).
Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas pemerintah Kota Bogor dalam sepuluh tahun terakhir (Pemerintah Kota Bogor 2014).
Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas. Isen et al. (2013) memberikan skema prioritas yang digunakan untuk menetapkan bobot untuk berbagai faktor yang cenderung mempengaruhi terjadinya kecelakaan. Penetapan bobot dengan geographic information system (GIS) dilakukan pada parameter jalan yang mempengaruhi kecelakaan lalu lintas diantaranya, banyaknya lajur, lebar jalan, tipe jalan, tipe permukaan jalan, kondisi jalan, bahu jalan, obstruksi tepi dan ada tidaknya median.
Penetapan bobot untuk suatu peubah pada statistika biasanya dikenal dengan model penskoran. Prinsip utama dari penskoran adalah memberikan skor untuk individu atau sesuatu yang diamati sesuai parameter yang melekat pada dirinya untuk melihat kecenderungan kepada golongan tertentu. Model penskoran banyak diaplikasikan di bidang perbankan, berupa credit scoring, untuk menilai calon nasabah termasuk kategori peminjam “good” atau “bad” (Dilsha dan Kiruthika 2014). Model penskoran memberikan banyak manfaat, diantaranya mudah dipahami dan diaplikasikan, sehingga dapat memberikan penilaian yang objektif dan menetapkan keputusan yang tepat (Chye et al. 2006).
2
Ruas jalan yang menjadi lokasi kecelakaan lalu lintas dibedakan menjadi dua kategori yaitu “rawan” dan “tidak rawan”. Suatu analisis yang melibatkan suatu lokasi tentunya tidak terlepas dari posisi suatu benda dimuka bumi yang disebut sebagai sistem koordinat. Sehingga agar suatu analisis lokasi dapat divisualisasikan secara nyata, diperlukan suatu sistem yang disebut sebagai geographic information system (GIS).
Beberapa peneliti berbagai negara telah melakukan analisis lokasi rawan kecelakaan, di Vila Real Portugal oleh Farco (2011), metode yang diaplikasikan yaitu berdasarkan metode yang dikembangkan negara-negara Eropa, berdasarkan euclidean distance between points dan density function. Identifikasi lokasi rawan di Kota Kornool dengan menggabungkan data jumlah kecelakaan dan tingkat luka korban dilakukan oleh Kumar (2013). Sadeghi et al. (2013) melakukan analisis lokasi rawan kecelakaan lalu lintas di Iran dengan terlebih dahulu melakukan identifikasi dan urutan prioritas lokasi. Penelitian yang bertujuan untuk mencari solusi lokasi rawan kecelakaan kecelakaan lalu lintas dengan menganalisis karakteristik kecelakaan lalu lintas di lokasi rawan dilakukan oleh Nirmala (2015).
Penelitian tentang lokasi rawan kecelakaan lalu lintas telah banyak dilakukan, namun pada umumnya kajian hanya dilakukan mengenai lokasi rawan kecelakaan lalu lintas. Pada penelitian ini mengkombinasikan beberapa metode diantarana GIS, regresi logistik biner, dan model penskoran untuk mengalisis lokasi rawan kecelakaan Kota Bogor, yang kemudian dilanjutkan dengan menetapkan skor sesuai karakteristik jalan. Hasil analisis lokasi rawan kecelakaan lalu lintas dan penskoran ruas jalan pada penelitian ini diharapkan akan memberikan rekomendasi terbaik kepada pihak berwenang dalam menentukan kebijakan yang tepat dalam rangka mengurangi kecelakaan lalu lintas.
Tujuan Penelitian
Tujuan penelitian ini adalah mengidentifikasi lokasi rawan kecelakaan lalu lintas Kota Bogor dan membangun model penskoran kerawanan berdasarkan karakteristik ruas jalan.
2 TINJAUAN PUSTAKA
Kecelakaan Lalu Lintas
Kecelakaan Lalu Lintas adalah suatu peristiwa di jalan raya tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan/atau kerugian harta benda (UU RI No. 22 tahun 2009).
Kecelakaan lalu lintas dapat disebabkan oleh kelalaian pengguna jalan, ketidaklayakan kendaraan, serta ketidaklayakan jalan dan/atau lingkungan (UU RI No. 22 tahun 2009). Beberapa faktor terkait karakteristik jalan di antaranya (IRSMS 2013) :
a. Fungsi Jalan
1. Jalan Tol, adalah jalan yang akses publiknya terbatas, dimana para pengguna kendaraan bermotor dikenakan biaya untuk mendapatkan akses dan dapat menggunakan jalan. Jalan tol tidak terbuka untuk pengguna lalu lintas secara umum, dan ada pembatasan pada jenis kendaraan bermotor yang dapat mengaksesnya (kendaraan bermotor roda empat atau lebih). Dalam kondisi ideal, kecepatan rata-rata tinggi.
2. Jalan Arteri, adalah jalan umum yang berfungsi melayani angkutan utama dengan ciri perjalanan jarak jauh, kecepatan rata-rata tinggi, dan jumlah jalan masuk dibatasi secara berdaya guna.
3. Jalan Kolektor, adalah jalan umum yang berfungsi melayani angkutan pengumpul atau pembagi dengan ciri perjalanan jarak sedang, kecepatan rata-rata sedang, dan jumlah jalan masuk dibatasi.
4. Jalan Lokal, adalah jalan umum yang berfungsi melayani angkutan setempat dengan ciri perjalanan jarak dekat, kecepatan rata-rata rendah, dan jumlah kendaraan masuk tidak dibatasi.
5. Jalan Lingkungan, adalah jalan umum yang berfungsi melayani angkutan lingkungan dengan ciri perjalanan jarak dekat, dan kecepatan rata-rata rendah.
b. Kelas Jalan
Menurut UU RI No. 22 tahun 2009 terdapat tiga kelas jalan, yaitu :
1. Jalan Kelas I, merupakan jalan arteri dan kolektor yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5 meter, panjang tidak lebih dari 18 meter, tinggi maksimal 4.2 meter, dan maksimum muatan sumbu terberat 10 ton.
2. Jalan Kelas II, merupakan jalan arteri, kolektor, lokal dan lingkungan yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5 meter, panjang tidak lebih dari 12 meter, tinggi maksimal 4.2 meter, dan maksimum muatan sumbu terberat 8 ton.
3. Jalan kelas III, merupakan jalan arteri, kolektor, lokal dan lingkungan yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.1 meter, panjang tidak lebih dari 9 meter, tinggi maksimal 3.5 meter, dan maksimum muatan sumbu terberat 8 ton.
c. Tipe Jalan
Merupakan konfigurasi lajur pada jalan dan keberadaan pembatas jalan yang memisahkan arah pergerakan lalu lintas. Tipe jalan terbagi menjadi beberapa bagian yaitu :
1. 2/2 TB, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan tidak ada median pemisah
2. 2/2 B, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan ada median pemisah
3. 4/2 TB, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan tidak ada median pemisah
4. 4/2 B, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan ada median pemisah
4
6. 6/2 B, yaitu jalan yang terdiri dari 6 lajur dengan 2 arah/jalur dan ada median pemisah
7. 1/1, yaitu jalan yang terdiri dari 1 lajur dengan 1 arah/jalur 8. 2/1, yaitu jalan yang terdiri dari 2 lajur dengan 1 arah/jalur d. Bentuk Geometri Jalan
Bentuk geometri jalan lokasi kecelakaan terdiri dari beberapa kategori, yaitu lurus dan tikungan.
e. Kondisi Permukaan Jalan
Kondisi permukaan jalan adalah kondisi pada permukaan jalan yang terlihat dengan kasat mata dan mempunyai kontribusi sebagai penyebab kecelakaan lalu lintas. Beberapa kondisi permukaan jalan, yaitu baik, berlubang, berombak, keriting, basah, beralur, licin, berdebu, dan banjir.
f. Kemiringan Jalan
Menggambarkan gradien kemiringan jalan yang paling tepat di lokasi kecelakaan, yaitu datar dan menanjak/menurun.
g. Pengaturan Simpang
Catatan ini akan menunjukkan apakah kecelakaan terjadi di persimpangan. Pengaturan simpang terbagi dua kategori yaitu tidak dikendalikan dan dikendalikan.
h. Batas Kecepatan
Merupakan batas kecepatan maksimum dalam km/jam yang dapat dilihat pada rambu jalan yang ada di lokasi kecelakaan. Batas kecepatan (km/jam) yaitu 20, 30, 40, 50, 60, 80, 100, 120, dan tidak diketahui.
Lokasi Rawan Kecelakaan Lalu Lintas
Lokasi rawan kecelakaan adalah suatu lokasi dimana angka kecelakaan tinggi dengan kejadian kecelakaan berulang dalam suatu ruang dan rentang waktu yang relatif sama yang diakibatkan oleh suatu penyebab tertentu.
Departemen permukiman dan prasarana wilayah (2004) memberikan formula untuk menentukan lokasi rawan kecelakaan, yaitu statistik kendali mutu dengan terlebih dahulu menentukan tingkat kecelakaan.
Perhitungan tingkat kecelakaan untuk ruas jalan menggunakan rumus :
Tk = LHRT × ×L ×F × 8 (1)
dengan,
Tk adalah tingkat kecelakaan (100 JPKP)
Fk adalah frekuensi kecelakaan di ruas jalan selama n tahun data LHRT adalah lalu lintas harian rata-rata n tahun data
n adalah jumlah tahun data L adalah panjang ruas jalan (km)
Penentuan lokasi rawan kecelakaan selanjutnya menggunakan statistik kendali mutu (Kowtanapanich dan Tanaboriboon, 2006) sebagai Upper Control Limit (UCL).
UCL adalah garis kendali batas atas
λ adalah rata-rata tingkat kecelakaan dalam satuan kecelakaan per km
L adalah panjang ruas jalan (km)
Segmen ruas jalan dengan tingkat kecelakaan yang berada di atas garis UCL akan didefinisikan sebagai lokasi rawan kecelakaan.
Geographic Information System
Identifikasi awal lokasi kecelakaan dan lokasi rawan kecelakaan berhubungan erat dengan visualisasi posisi kecelakaan pada peta Kota Bogor. Visualisasi hasil dengan pemetaan lokasi menggunakan GIS. GIS adalah suatu sistem informasi yang digunakan untuk menyusun, menyimpan, merevisi serta menganalisa data dan atribut yang bereferensi kepada lokasi atau posisi obyek-obyek di bumi. Komponen-komponen data spasial meliputi posisi/lokasi geografis, data atribut, hubungan spasial dan waktu (Booth dan Mitchell 2001).
GIS menyimpan semua informasi deskriptif unsur-unsurnya sebagai sebagai atribut-atribut di dalam basis data yang kemudian membentuk dan menyimpannya di dalam tabel (relasional). GIS menghubungkan unsur-unsur yang ada dengan tabel yang bersangkutan, sehingga atribut-atribut dapat diakses melalui lokasi unsur-unsur peta dan sebaliknya. Unsur-unsur peta dapat diakses melalui atribut-atributnya.GIS harus menggunakan peta digital sehingga terlebih dahulu dilakukan georeferencing.
Georeferencing merupakan proses pemberian referensi geografi dari objek berupa raster (hasil scan) atau image yang belum mempunyai acuan sistem koordinat ke dalam sistem koordinat dan proyeksi tertentu. Proses ini diperlukan ketika akan melakukan input data berupa data raster ke dalam GIS (Apparao dan Malikarjunareddy 2013). Model data yang umum digunakan dalam GIS adalah model data vektor yang merupakan model data yang paling banyak digunakan, model ini berbasiskan pada titik dengan nilai koordinat (x|y) untuk membangun obyek spasialnya. Obyek yang dibangun terbagi menjadi tiga bagian yaitu berupa titik, garis, dan area (Bafdal et al. 2011).
Sistem Koordinat dan Proyeksi Peta dalam GIS
6
360°. Titik di barat bujur 0° dinamakan Bujur Barat sedangkan titik di timur 0° dinamakan Bujur Timur.
Sumber : Bafdal et al. (2011)
Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur
Terdapat dua notasi koordinat global yang umumnya digunakan, yaitu derajat desimal dan derajat menit-detik. Pada saat tertentu diperlukan konversi dari satu notasi ke notasi lain. Konversi dari derajat menit ke derajat desimal menggunakan dengan formula sebagai berikut :
Jumlah detik = menit × + detik
Sumber : Bafdal et al. (2011)
Gambar 2.2 Pembagian Zona UTM Indonesia
Penskoran Lokasi Rawan Kecelakaan Lalu Lintas
Penskoran pada umumnya diterapkan pada bidang perbankan, dikenal dengan istilah credit scoring. Istilah ini merupakan suatu teknik yang digunakan oleh pihak bank dalam memutuskan menerima atau menolak seorang calon nasabah berdasarkan skor resiko kredit yang melekat pada calon nasabah tersebut (Samreen dan Batul 2012).
Penskoran juga dapat diaplikasikan untuk memberikan skor pada karakteristik ruas jalan terkait kategori lokasi kecelakaan lalu lintas. Dalam pemilihan peubah model, terlebih dahulu dilakukan perhitungan weight of evidence (WOE) dan information value (InfV). WOE merupakan ukuran kekuatan setiap atribut atau atribut grup untuk membedakan dua kategori, misal untuk kategori lokasi kecelakaan lalu lintas “rawan”” dan “tidak rawan”. Nilai WOE bersifat unik untuk setiap atribut suatu peubah (Siddiqi 2012). Perhitungan WOE untuk atribut k menggunakan formula pada persamaan (4).
WO� X = k = ln � �= | ����
� �= | �� ���� (4) Pada saat salah satu peubah yang diamati memiliki jumlah kategori “Rawan” atau “Tidak Rawan” adalah nol, maka perhitungan WOE menggunakan persamaan (5).
P X = k|Rawan = Rawan+ .
NRawan (5)
8
dengan,
n Rawan dan n Tidak Rawan = jumlah rawan/tidak rawan untuk masing-masing karakteristik ruas jalan
NRawan dan NTidak Rawan = jumlah rawan/tidak rawan dari kriteria jalan
0.5 = angka default dari adjustment factor
Berdasarkan WOE yang diperoleh pada persamaan (5), selanjutnya digunakan untuk menghitung InfV dengan formula pada persamaan (6).
InfV = ∑ ( P X = k|Rawan − P X = k| Tidak Rawan × WO�)= (6) InfV adalah ukuran kekuatan pengaruh suatu peubah penjelas terhadap kategori peubah respon. Nilai InfV kemudian digunakan sebagai ukuran dalam pemilihan peubah untuk model penskoran dengan ketentuan sebagai berikut :
1. <0.02 artinya peubah tidak berpengaruh terhadap kategori lokasi 2. 0.02 - 0.1 artinya peubah berpengaruh lemah terhadap kategori
lokasi
3. 0.1 - 0.3 artinya peubah berpengaruh sedang terhadap kategori lokasi
4. > 0.3 artinya peubah berpengaruh kuat terhadap kategori lokasi Penyusunan skor menggunakan nilai WOE peubah yang terpilih dengan regresi logistik biner pada persamaan (7).
Skor= Offset + Factor ∗ ln (odds) (7)
Offset adalah konstanta penyeimbang pada skor, dimana :
Offset = Skor − {�actor × ln Odds }
Sementara itu skor dikembangkan menggunakan odds pada suatu skor dan ditetapkan sebagai “points to double the odds” (pdo). Besarnya factor dan offset dapat dihitung dengan model simultan pada persamaan (8).
Skor + pdo = Offset + �actor × ln × odds (8)
pdo = �actor ∗ ln �actor = lnpdo
Penyusunan skor menggunakan nilai WOE dengan regresi logistik biner pada persamaan (9).
= − ∑(WO� × ) +
WOE = nilai WOE untuk setiap kategori pada peubah β = Koefisien regresi untuk setiap karakteristik α = intercept dari model regresi logistik
n = banyaknya karakteristik
k = banyaknya kategori untuk setiap peubah
Ukuran Kebaikan Penskoran
Sebuah model penskoran digunakan untuk memprediksi kemungkinan suatu individu atau objek termasuk pada kategori tertentu (rawan/tidak rawan), sehingga diperlukan ukuran dalam menilai seberapa baik model yang diperoleh (Siddiqi 2012). Ukuran kebaikan hasil skor, dilihat berdasarkan nilai-nilai pada Tabel 2.1.
Tabel 2.1 Ukuran Kualitas Penskoran
Model penskoran yang baik adalah model penskoran dengan nilai benar yang besar dan nilai salah minimal. Terdapat empat ukuran utama yang digunakan, jika terdapat sebanyak N data, maka perhitungan kualitas model yaitu:
1. Akurasi :
10
Regresi Logistik Biner
Pada saat peubah respon yang bersifat kategorik seperti penggolongan lokasi rawan kecelakaan lalu lintas, maka analisis untuk melihat hubungan antara peubah penjelas dan peubah respon adalah model logit, atau sering disebut sebagai regresi logistik (Azen dan Walker 2011). Ketika peubah respon hanya memiliki dua kategori, maka regresi logistik yang digunakan disebut sebagai regresi logistik biner (Agresti 2002). Model regresi logistik diberikan oleh Azen dan Walker (2011) persamaan (10)
Logit [P(Yi=1)] = � + β1 {X1i} + β2 {X2i} + . . . + βp {Xpi} (10)
Unsur individu (i) persamaan (10) dapat disederhanakan, sehingga didapat persamaan umum model regresi logistik pada persamaan (11).
Logit = ln π
−π = � + � X + � X + ⋯ + ��Xp= � + �� (11) dengan, β : vektor baris yang berisi seluruh koefisien regresi
X : vektor yang berisi seluruh peubah penjelas
Model regresi logistik dapat lansung diterapkan untuk memprediksi peluang sukses (Yi =1) yang dinotasikan sebagai π , pada persamaan (12).
� =
xp +��+ xp +�� (12)
Metode yang digunakan untuk mengestimasi parameter regresi logistik adalah metode estimasi kemungkinan maksimum.
Pengujian Parameter Regresi Logistik
Pemeriksaan peranan peubah penjelas (X) dalam model, dilakukan melalui pengujian terhadap parameter model (β). Pengujian secara serentak dilakukan menggunakan uji G, sedangkan secara parsial menggunakan uji Wald.
a. Statistik Uji G
Uji rasio kemungkinan diperoleh dengan cara membandingkan fungsi log likehood dari seluruh peubah penjelas (model penuh) dengan fungsi log likehood tanpa peubah penjelas (Agresti 2002). Uji G digunakan untuk menguji hipotesis :
H0 : β1 = β2 = … = βp = 0 (tidak ada peubah penjelas yang berpengaruh
terhadap peubah respon)
H1 : paling sedikit ada satu j dengan βj ≠0 j=1, 2,…, p (paling sedikit ada
satu peubah penjelas yang berpengaruh terhadap peubah respon)
� = − ln �
� = − [ln � − ln � ] (14) Statistik G2 secara teoritis mengikuti sebaran χ dengan derajat bebas p. Kriteria keputusan yang diambil yaitu menolak H0 bila G2 hitung > χ�; atau jika p-value <α.
Formula untuk statistik Wald adalah (Agresti 2002) :
� =
̂� Statistik uji wald ini ekuivalen dengan wald chi-square statistic z2 , dengan kriteria penolakan H0 jika z2 > χ��; , dengan df=1.
Interpretasi Koefisien Model Regresi Logistik
Koefisien β pada model mengindikasikan perubahan π(x) meningkat atau menurun saat pertambahan nilai x (Agresti 2002). Interpretasi parameter pada regresi logistik dapat dijelaskan dengan terlebih dahulu mengeksponensialkan koefisien β yaitu eβ yang disebut dengan istilah odds ratio. Pada peubah penjelas kontinu diinterpretasikan sebagai setiap penambahan satu satuan X meningkatkan nilai odds Y=1 sebanyak eβ kali. Pada peubah penjelas kategorik, nilai eβ menunjukkan perbandingan odds kategori kofisien tersebut dibandingkan kategori yang dijadikan referensi (Azen dan Walker 2011).
3 METODE PENELITIAN
Data
12
dari Badan Informasi Geospasial (BIG). Daftar peubah yang dipakai pada penelitian ini disajikan pada Tabel 3.1.
Tabel 3.1. Daftar Peubah Penelitian Menurut Sumber Data
Sumber Data Nama Peubah
Polresta Bogor 1. Titik Koordinat Kecelakaan Lalu Lintas 2. Kecelakaan Menurut Kelas Jalan 3. Kecelakaan Menurut Fungsi Jalan 4. Kecelakaan Menurut Tipe Jalan
5. Kecelakaan Menurut Bentuk Geometri
DLLAJ Kota Bogor 1. Volume Lalu Lintas Harian Menurut Ruas Jalan 2. Fungsi Jalan
Analisis data pada penelitian ini menggunakan analisis deskriptif, geographic information system (GIS), analisis regresi logistik biner, dan penskoran kerawanan berdasarkan karakteristik jalan. Pengolahan dan analisis data menggunakan bantuan software SAS dan ArcGIS.Berikut langkah-langkah analisis.
a. Analisis Deskriptif
Analisis deskriptif dilakukan untuk melihat gambaran umum profil kecelakaan lalu lintas di Kota Bogor dengan eksplorasi data peubah respon dan data peubah-peubah penjelas.
b. Georeferencing
Georeferencing dilakukan menyesuaikan sistem proyeksi pada peta, agar dapat digunakan untuk identifikasi lokasi kecelakaan dan analisis selanjutnya. Proyeksi UTM Kota bogor adalah di zona 48S.
c. Identifikasi Lokasi Kecelakaan Pada Peta
ArcGIS untuk menggambarkan lokasi kejadian kecelakaan yang sesungguhnya, dan mengidentifikasi ruas jalan yang menjadi tempat kejadian kecelakaan lalu lintas.
d. Pembagian segmen ruas jalan
Penomoran ruas jalan dilakukan dengan membagi ruas jalan menjadi segmen-segmen pada jalan yang teridentifikasi sebagai ruas jalan tempat kejadian kecelakaan lalu lintas pada peta Kota Bogor. Setiap segmen ruas jalan mempunyai panjang 1 km. Masing-masing segmen kemudian diberikan nama jalan beserta nomor segmen untuk mempermudah dalam perhitungan frekuensi kecelakaan pada masing-masing segmen.
e. Perhitungan Frekuensi Kecelakaan Segmen Ruas Jalan
Frekuensi kecelakaan lalu lintas untuk setiap segmen ruas jalan, dilakukan dengan menghitung jumlah kecelakaan yang terjadi pada setiap segmen ruas jalan lokasi terjadinya kecelakaan lalu lintas.
f. Perhitungan Tingkat Kecelakaan Segmen Ruas Jalan
Data Volume lalu lintas ruas jalan yang didapatkan dari DLLAJ Kota Bogor adalah data volume lalu lintas harian dengan satuan smp/jam. Perhitungan tingkat kecelakaan menggunakan rumus pada persamaan (1). Volume lalu lintas yang digunakan merupakan volume rata-rata tahunan dengan satuan smp/hari. Sehingga sebelum dilakukan perhitungan tingkat kecelakaan data volume lalu lintas terlebih dahulu ditransformasi dengan langkah sebagai berikut:
1. Volume lalu lintas per hari = volume lalu lintas per jam × 24 jam 2. Volume lalu lintas hari kerja per tahun (LHRkerja) = volume lalu
lintas per hari × banyaknya hari kerja per tahun
3. Volume lalu lintas hari libur per tahun (LHRlibur) = volume lalu lintas per hari × banyaknya hari libur per tahun
4. Volume lalu lintas rata-rata per tahun (LHRT satuan smp/hari)
LHRT = LHRkerja + LHRlibur
g. Penentuan Lokasi Rawan Kecelakaan Lalu Lintas
Penentuan lokasi rawan kecelakaan menggunakan statistik kendali mutu menggunakan rumus pada persamaan (2).
h. Pemetaaan Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor
Pemetaan lokasi rawan kecelakaan untuk menyajikan hasil analisis lokasi rawan kecelakaan. Pemetaan segmen ruas jalan yang menjadi lokasi terjadinya kecelakaan lalu lintas.
i. Penskoran Karakteristik Lokasi Kecelakaan Lalu Lintas
14
kategori ruas jalan kecelakaan lalu lintas yang terdiri dari “rawan” dan “tidak rawan”. Daftar peubah penjelas ditunjukkan pada Tabel 3.2.
Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada Penskoran
Proses penyusunnan skor dengan membuat program, dilakukan dengan beberapa tahap:
1. Menghitung nilai WOE masing-masing kategori pada setiap peubah penjelas
2. Menghitung nilai Inf setiap peubah penjelas, dan seleksi peubah penjelas
3. Penentuan bobot WOE setiap peubah penjelas menggunakan analisis regresi logistik biner
4. Penyusunan skor, dengan menggunakan persamaan (7), (8), dan (9).
“points to double the odds” (pdo) adalah 2, ditetapkan oods 25:1 pada 50 point.
�actor = =1.39
Offset = − { . 9 × ln } = 45.54
5. Mencari total skor seluruh segmen ruas jalan, dan menetapkan prediksi kategori lokasi (rawan/tidak rawan) dengan kriteria :
Jika total skor ≥ median, maka segmen ruas jalan dikategorikan sebagai lokasi rawan. Sebaliknya, jika total skor < median, maka dikategorikan lokasi tidak rawan.
Tahapan penelitian secara ringkas disajikan pada diagram alir penelitian Gambar 3.1.
Gambar 3.1 Diagram Alir Penelitian
Analisis Deskriptif karakteristik jalan (fungsi Jalan, kelas jalan, tipe jalan, dan geometri).
Geographic Information System (GIS), yaitu
Georeferencing, konversi koordinat, dan Input koordinat pada peta Kota Bogor
1. GIS, berupa pembagian segmen jalan dan Perhitungan frekuensi kecelakaan persegmen. 2. Perhitungan tingkat kecelakaan lalu lintas 3. Perhitungan Statistik Kendali UCL
4. GIS, pemetaan lokasi rawan kecelakaan lalu lintas
1. Menghitung nilai WOE 2. Menghitung nilai InfV
3. Penentuan bobot WOE dengan analisis regresi logistik biner 4. Penyusunan model penskoran
Kesimpulan dan Saran
Eksplorasi Data
Mulai
Identifikasi Titik Kecelakaan Lalu Lintas
Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas
Penskoran Karakteristik Lokasi Rawan Kecelakaan Lalu Lintas
Diagram lingkaran kecelakaan lalu lintas
Peta titik Kecelakaan lalu lintas Kota Bogor
Peta lokasi rawan kecelakaan lalu lintas Kota
Bogor
16
4 HASIL DAN PEMBAHASAN
Profil Kecelakaan Lalu Lintas di Kota Bogor
Berdasarkan data yang diperoleh dari Polresta Bogor, terdapat 232 kecelakaan lalu lintas di Kota Bogor sepanjang tahun 2014 – 2015. Kecelakaan lalu lintas tersebut tersebar di berbagai lokasi ruas jalan Kota Bogor. Karakteristik ruas jalan lokasi kecelakaan lalu lintas yang dapat diamati di antaranya fungsi jalan, kelas jalan, tipe jalan, dan bentuk geometri jalan. Profil kecelakaan lalu lintas Kota Bogor berdasarkan karakteristik jalan dapat dilihat pada Gambar 4.1.
Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut
Karakteristik Jalan
Berdasarkan diagram lingkaran 4.1a, dapat dilihat bahwa di Kota Bogor, persentase kecelakaan lalu lintas terjadi pada jalan yang berfungsi sebagai arteri yaitu sebesar 56% dan jalan kolektor sebesar 33%, sedangkan jalan lokal 11%. Hal ini terjadi karena jalan arteri merupakan jalan utama yang dilalui oleh lebih banyak kendaraan dengan jarak tempuh yang jauh, dan kecepatan rata-rata tinggi, sehingga seringkali pengemudi lalai akan peraturan yang akan memicu terjadinya kecelakaan lalu lintas.
Menurut kelas, jalan dibedakan menjadi tiga golongan yaitu kelas I (untuk beban > 10 ton), kelas II (untuk beban <= 10 ton), dan kelas III (untuk beban <= 8 ton). Persentase kecelakaan lalu lintas Kota Bogor berdasarkan kelas jalan ditunjukkan dengan diagram lingkaran 4.1b. Diagram lingkaran 4.1b pada Gambar 4.1, memperlihatkan bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan kelas II yaitu 53%, disusul oleh kelas I sebesar 32% dan kelas III 25%. Tipe jalan memberikan beberapa informasi karakteristik ruas jalan, yaitu jumlah lajur, jumlah arah, dan keberadaan median. Misalnya, 4/2 TB adalah jalan yang terdiri dari 4 lajur dengan 2 arah dan tidak ada median pemisah. Menurut tipenya, kecelakaan di Kota Bogor terjadi pada empat tipe jalan yaitu tipe 2/1, tipe 2/2 TB, tipe 4/2 TB, dan tipe 4/2 B. Persentase kecelakaan lalu lintas Kota Bogor berdasarkan kelas jalan dapat dilihat pada diagram lingkaran 4.1c. Berdasarkan diagram lingkaran 4.1c, dapat dilihat bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan yang bertipe 2/2 TB yaitu jalan yang memiliki 2 lajur, dua arah, dan tanpa median pemisah yaitu sebesar 45%. Sisanya jalan bertipe 4/2 B, 4/2 TB, dan 2/1.
Menurut bentuk geometri, jalan dibedakan menjadi dua golongan yaitu tikungan dan lurus. Persentase jumlah kecelakaan lalu lintas Kota Bogor menurut bentuk geometrinya ditunjukkan oleh diagram 4.4d. Berdasarkan diagram 4.1d, dapat dilihat bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan dengan bentuk geometri lurus, yaitu sebesar 87%.
Lokasi Titik Kecelakaan Lalu Lintas Kota Bogor
Identifikasi titik kecelakaan dilakukan dengan menginput titik koordinat kecelakaan lalu lintas yang diperoleh dari Polresta Bogor terjadi pada peta Kota Bogor, sehingga dapat ditentukan ruas jalan yang menjadi lokasi kecelakaan lalu lintas di Kota Bogor. Peta titik kecelakaan Kota Bogor Tahun 2014 – 2015 disajikan pada Gambar 4.2.
18
Gambar 4.2. Peta Titik Kecelakaan Lalu Lintas
Kriteria Segmen Ruas Jalan
Penentuan kriteria segmen ruas jalan dilakukan dengan terlebih dahulu menghitung frekuensi kecelakaan pada setiap segmen ruas jalan. Data frekuensi kecelakaan pada setiap segmen ruas jalan kemudian digunakan untuk menghitung tingkat kecelakaan masing-masing ruas jalan dengan menggunakan persamaan (1). Berdasarkan hasil perhitungan, diperoleh rata-rata tingkat kecelakaan lalu lintas ruas jalan adalah 5.50 kecelakaan/seratus juta perjalanan kendaraan per-kilometer. Statistik kendali mutu sebagai UCL diperoleh sebagai berikut :
UCL = . + [ .9 √ . ] − [ . ] = 9. 9 JPKP
Kategori ruas jalan ditentukan dengan menggunakan perbandingan tingkat kecelakaan masing-masing segmen ruas jalan dan nilai UCL, dengan kriteria :
1. Jika tingkat kecelakaan > UCL, maka segmen ruas jalan dikatakan rawan 2. Jika tingkat kecelakaan < UCL, maka dikatakan segmen ruas jalan tidak
rawan
Ringkasan kategori segmen ruas jalan (Lampiran 2) diberikan pada Tabel 4.1. Tabel 4.1 Ringkasan Kriteria Segmen Ruas Jalan
No Nama Peubah Kategori Rawan Tidak Rawan
20
Gambar 4.3 Peta Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor
Penskoran Karakteristik Ruas Jalan Nilai WOE dan InfV
Penskoran disusun untuk memberikan skor ruas jalan berdasarkan karakteristik jalan yang menjadi lokasi kecelakaan lalu lintas di Kota Bogor. Karakteristik ruas jalan terdiri dari fungsi jalan, kelas jalan, jumlah lajur, jumlah arah, keberadaan median, dan bentuk geometri. Besarnya WOE untuk masing-masing karakteristik jalan disajikan pada Tabel 4.2.
Tabel 4.2 Nilai WOE Karakteristik Jalan
Berdasarkan Tabel 4.2, dapat dilihat bahwa pada peubah fungsi jalan, nilai WOE terbesar adalah jalan Arteri yaitu 0.7632. Kelas jalan yang memiliki WOE tertinggi adalah jalan Kelas I yaitu 1.3985. Untuk jumlah lajur, WOE terbesar adalah ruas jalan yang memiliki empat lajur. WOE tertinggi jika dilihat dari ada keberadaan median pemisah adalah pada jalan dengan median pemisah yaitu 1.3378. Pada jumlah arah, nilai WOE terbesar pada jalan dengan dua arah yaitu 0.0851, sedangkan menurut bentuk geometri, jumlah jalan yang memilki geometri tikungan memiliki nilai WOE lebih tinggi.
Nilai WOE kemudian digunakan untuk menghitung nilai InfV masing-masing karakteristik jalan, yang disajikan pada Tabel 4.3.
Tabel 4.3 Nilai InFV Karakteristik Jalan No Nama Peubah Nilai InfV
22
Bobot Awal Penskoran
Analisis regresi logistik biner dilakukan sebagai langkah awal penentuan bobot masing-masing peubah penjelas terhadap peubah respon, yaitu kategori lokasi kecelakaan lalu lintas yaitu “rawan” dan “tidak rawan” suatu ruas jalan. Regresi Logistik ini menggunakan nilai WOE sebagai pengganti peubah penjelas sebelumnya. Hasil regresi logistik biner WOE sebagai pengganti nilai kategori peubah penjelas terhadap kategori lokasi kejadian kecelakaan lalu lintas dengan melibatkan seluruh peubah secara serentak terdapat pada Tabel 4.4.
Tabel 4.4 Koefisien Model Regresi Logistik Biner Nilai WOE Seluruh Peubah Nama Peubah Estimasi
Hasil estimasi pada Tabel 4.4 memperlihatkan koefisien dari median bernilai negatif. Hasil ini berlawanan dengan hasil perhitungan WOE pada Tabel 4.2, dan karena itu dicurigai terdapat korelasi yang kuat antar peubah penjelas sehingga dilakukan perhitungan korelasi antar peubah yang nilainya disajikan pada Tabel 4.5.
Tabel 4.5 Korelasi Antar Peubah
Fungsi Jalan Kelas Jalan Jumlah Arah Median Kelas Jalan 0.332
Jumlah Arah 0.363 0.160
Median 0.653 0.189 0.896
Geometri 0.354 0.431 0.460 0.497
Tabel 4.6 Koefisien Model Regresi Logistik Biner Tanpa WOE Median Nama Peubah Estimasi
Wald Chi-Square
P-Value
Konstanta -1.3791 32.1474 0.0001
WOE Fungsi Jalan (X1) 0.7865 13.0652 0.0003 WOE Kelas Jalan (X2) 0.5562 3.8753 0.0490 WOE Jumlah Arah (X3) 2.0002 6.3961 0.0191 WOE Bentuk Geometri (X4) 3.2480 4.1372 0.0419
Pengujian Parameter Regresi Logistik
Seperti yang telah dijelaskan pada bagian tinjauan pustaka, untuk pemeriksaan peranan peubah penjelas (X) dalam model, dilakukan melalui pengujian terhadap parameter model (β). Pengujian secara serentak menggunakan uji G, sedangkan secara parsial menggunakan uji Wald.
a. Statistik Uji G
Statistik uji G adalah uji rasio kemungkinan yang digunakan untuk menguji peranan variabel independen di dalam model secara bersama-sama. Statistik Uji G untuk kasus ini dapat dilihat pada Tabel 4.7.
Tabel 4.7 Statistik Uji G
G DF P-Value
54.2442 4 0.0001
Berdasarkan dari hasil pada Tabel 4.7. didapat nilai statistik uji G (54.2442) > � tabel(0.05;4) (9.4877) dan p-value (0.0001) < α (0.05), maka H0 ditolak. Artinya, terdapat pengaruh WOE Fungsi Jalan (X1), WOE Kelas Jalan (X2), WOE Jumlah Arah (X3), dan WOE Bentuk Geometri (X4) secara bersama-sama terhadap kategori lokasi kecelakaan lalu lintas di Kota Bogor.
b. Statistik Uji Wald
Uji Wald digunakan untuk menguji parameter βj secara parsial. Menggunakan hasil statistik Wald (Tabel 4.6) dapat dilakukan uji pengaruh masing-masing peubah penjelas terhadap kategori lokasi kecelakaan lalu lintas di Kota bogor. Nilai P-Value seluruh peubah lebih kecil dari 0.05 (α), sehingga dapat disimpulkan seluruh peubah telah yang terbukti mempunyai pengaruh secara parsial terhadap kategori lokasi kecelakaan lalu lintas di Kota Bogor. Setelah dilakukan pengujian secara serentak maupun parsial, diperoleh persamaan peluang ruas jalan termasuk dalam kategori rawan sebagai berikut :
24
Penyusunan skor ruas jalan dilakukan untuk memberikan gambaran kontribusi karakteristik ruas jalan yang terdapat pada peubah penjelas terhadap rawan atau tidak rawannya ruas jalan tersebut. Sesuai dengan langkah kerja pada metodologi penelitian, perhitungan skor menggunakan formula sebagai berikut :
Skor = 45.54 + 1.39∗ ln (odds)
Semakin besar skor yang terdapat pada masing-masing ruas jalan, maka semakin besar pula kemungkinan ruas jalan tersebut sebagai lokasi rawan kecelakaan lalu lintas. Hasil skor ruas jalan, disajikan pada Tabel 4.8.
Tabel 4.8 Penskoran Ruas Jalan No Nama Peubah Kategori Skor
Berdasarkan Tabel 4.8 didapatkan bahwa skor tertinggi sebagai lokasi rawan kecelakaan lalu lintas di Kota Bogor untuk fungsi jalan, adalah ruas jalan yang berfungsi sebagai arteri yaitu sebesar 16.Hal ini sejalan dengan profil kecelakaan pada Gambar 4.1, dikarenakan jalan arteri merupakan jalan utama yang menjadi lalu lintas kendaraan dengan jarak tempuh yang relatif jauh, dan kecepatan kendaraan rata-rata tinggi. Pada kelas jalan, skor tertinggi ada pada jalan Kelas I, yaitu 14. Besarnya skor rawannya ruas jalan pada jalan kelas I dikarenakan lalu lintas yang lebih beresiko, karena umumnya jalan ini dilalui oleh kendaraan besar dengan berat mencapai 10 ton.
Menurut bentuk geometri jalan, jalan yang memiliki geometri tikungan lebih rawan terjadinya kecelakaan lalu lintas, dibandingkan jalan yang dengan bentuk geometri lurus. Hasil ini dapat diterima, karena pada umumnya pengendara biasanya tidak melihat ada pengendara atau kendaraan lain didepan pada saat melewati tikungan. Tabel 4.9, sebagai contoh perhitungan skor ruas jalan salah satu segmen ruas jalan di Kota Bogor.
Tabel 4.9 Perhitungan Skor Jalan Raya Soleh Iskandar 10 Peubah Karakteristik Ruas Jalan Skor
Fungsi Jalan Arteri 16
Kelas Jalan I 14
Jumlah Arah Dua 19
Bentuk Geometri Lurus 18
Total Skor 67
Kualitas Penskoran
Ukuran kualitas penskoran dapat dilihat melalui tiga ukuran yaitu akurasi, sensitivitas, dan spesifisitas dengan menggunakan formula (halaman 9-10). Tabulasi silang jumlah prediksi kategori ruas jalan terhadap kategori yang sebenarnya dapat dilihat pada Tabel 4.10, dan ukuran kualitas model pada Tabel 4.11.
Tabel 4.10 Tabulasi Silang Prediksi dan Kenyataan Segmen Ruas Jalan Kota Bogor Kenyataan
Tidak Rawan Rawan
Prediksi Tidak Rawan 75 (Negatif Benar) 2 (Negatif Salah) Rawan 66 (Positif Salah) 35 (Positif Benar)
Tabel 4.11 Nilai Ukuran Kualitas Model Ukuran Kualitas Model Nilai (%)
Akurasi 62.80
Sensitivitas 94.59
Spesifisitas 53.19
26
5 SIMPULAN DAN SARAN
Simpulan
Berdasarkan hasil dan pembahasan pada bab sebelumnya, dapat diambil kesimpulan bahwa :
1. Terdapat 37 segmen ruas jalan Kota Bogor yang teridentifikasi sebagai lokasi rawan kecelakaan lalu lintas dari dari 178 segmen ruas jalan di Kota Bogor.
2. Berdasarkan penskoran karakteristik ruas jalan yang menjadi lokasi kecelakaan lalu lintas, atribut yang memiliki skor tertinggi yang menyebabkan rawannya kecelakaan lalu lintas pada ruas jalan Kota Bogor adalah pada jalan yang dua arah dan bergeometri tikungan.
Saran
DAFTAR PUSTAKA
Agresti A. 2002. Categorical Data Analysis. Canada : John Wiley & Sons.
Anggraini DW, Sylviana R. 2013. Identifikasi Daerah Rawan Kecelakaan Lalu Lintas (Black Spot Area) Berbasis Sistem Informasi Geografis. Jurnal BENTANG. 1(2) : 92-105.
Apparao G, Malikajunareddy. 2013. Identification of Accident Black Spots for National Highway Using GIS. International Journal of Scientific & Technology Research. 2(2) : 154-157.
Azen R, Walker CM. 2011. Categorical Data Analysis for the Behavioural and Social Sciences. New York : Taylor and Francis Group.
Bafdal N, Amaru K, Macklin BP. 2011. Buku Ajar Sistem Informasi Geografis. Bandung (ID) : Jurusan Teknik Manajemen Industri Pertanian FTIP UNPAD.
Bobade SU, Patil JR, Sorate RR. 2015. Identification of Accidental Black Spot on National Highways and Expresways. International Journal of Research in Advent Technology. ACGT Conference 2015 : 82-85.
Booth B, Mitchell. 2001. Getting Started with ArchGIS. USA: ESRI.
BPS. 2015. Statistik Transportasi Darat 2014. Jakarta (ID) : Badan Pusat Statistik Indonesia.
Chen, H. 2012. Black Spot Determination of Traffic Accident Locations and Its Spatial Association Characteristic Analysis Based on GIS. Journal of Geographic Information System. 4 : 608-617.
Chimba D, Sando T, Kwigizile V, Kutela, B. 2013. Modeling School Bus Crashes Using Zero-Inflated Model. Journal of Transportation Statistics. 10(1): 1-14. Chiye KH, Chin WT, Peng CG. 2006. A Two-step Method to Construct Credit Scoring Models with Data Mining Techniques. International Journal of Business and Information. 1(1): 96-118.
Constangioara A. 2011. Costumer Credit Scoring. Romanian Journal of Economic Forecasting. 3(1) : 162-177.
Departemen Permukiman dan Prasarana Wilayah. 2004. Penanganan Lokasi Rawan Kecelakaan Lalu Lintas. Jakarta (ID): Departemen Permukiman dan Prasarana Wilayah.
Dilsha M, Khirutika. 2014. Model Validation of a Credit Scorecard Using Bootstrap Method. IOSR Journal of Economics and Finance (IOSR-JEF). 3(3): 64-68. Farco, IM. 2011. Identification of Hazardous Road Locations in Urban Areas
through Spatial Analysis. MSc Thesis of Civil Engineering: Insituto Superior Tecnico.
Ghaffari A, Tavakoli AK, Moghimidarzi S. 2013. Identification of Black Spots Based on Reliability Approach. Promet – Traffic&Transportation. 25(6) : 525-532.
Ghazizadeh M, Boyle LNG. 2013. Crash Injuries in Four Midwestern States: Comparison to Regional Estimates. Journal of Transportation Statistics. 10(1): 15-34.
IRSMS. 2013. Strategic Road Infrastructure Project. Jakarta (ID) : POLRI Isen L, Shibu A, Saran M.S. 2013. Identification and Analysis of Accident Black
28
Juhendra M, Arliansyah J, Rhaptyalyani. 2015. Analisis Daerah Rawan Kecelakaan (Blackspot) di Kota Palembang. The 18th FSTPT International Symposium, Lampung, 27-30 Agustus 2015.
Kowtanapanich W, Tanaboriboon Y. 2006. Applying Public Participation Approach to Black Spot Identification Process. IATSS RESEARCH .30 (1):73-85
Kumar S D.S. 2013. Identification of Hazardous Locations for Road Traffic Injuries. Int J Res Dev Health. 1(4) : 160-165.
Nirmala R. 2015. Road Crash – Analysis and Alleviation Measures. International Journal of Engineering and Technology (IJET). 7(3) : 997-1002.
Oulha R, Brahimi K, Boumediene A , Dali F, Madouche M.A. 2013. GIS Contribution to Identify Accident Black Spots on National Highway: Case Study of Wilaya of Mascara (Algeria). International Journal of Chemical, Environmental & Biological Sciences (IJCEBS). 1(5): 775-778.
Pemerintah Kota Bogor. 2014. Lampiran Peraturan Daerah Kota Bogor. Rencana Pembangunan Jangka Panjang dan Jangka Menengah Daerah Kota Bogor Tahun 2015-2019. Nomor 6 Tahun 2014.
PP RI No. 43 Tahun 1993
Sadeghi A, Ayati E, Pirayesh MN. 2013. Identification and Prioritization of Hazardous Road Locations by Segmentation and Data Evelopment Analysis Approach.. Promet – Traffic&Transportation. 25(2) : 127-136.
Samreen A, Batul FZ. 2012. Design and Development of Credit Scoring Model for the Commercial banks of Pakistan: Forecasting Creditworthiness of Individual Borrowers. International Journal of Business and Social Science. 3(17) : 155-166.
Siddiqi N. 2012. Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. USA: Wiley.
UU RI No. 22 tahun 2009. Lalu Lintas dan Angkutan Jalan.
WHO. 2013. Global Status Report On Roads Safety 2013. Switzerland: WHO Press.
Wicaksono D, Akbar RF, Riyanto B. 2014. Analisis Kecelakaan Lalu Lintas (Studi Kasus- Jalan Raya Ungaran-Bawen ). Jurnal Karya Teknik Sipil. 3(1) : 203-213.
Lampiran 1 Hasil Perhitungan Tingkat Kecelakaan
No Segmen Ruas Jalan Tingkat Kecelakaan
(100JPKP)
13 Jalan Kapten Muslihat 6.57
14 Jalan Kapten Yusuf 1 7.45
15 Jalan Kebon Pedes 11.12
16 Jalan Kiai Haji Abdulah Bin Nuh 2 7.11
17 Jalan Kiai Haji Abdulah Bin Nuh 3 14.21
18 Jalan Kiai Haji Abdulah Bin Nuh 4 7.11
19 Jalan Lawanggintung 14.53
20 Jalan Mayor Jenderal Ishak Djuarsa 1 5.57 21 Jalan Mayor Jenderal Ishak Djuarsa 2 16.71 22 Jalan Mayor Jenderal Ishak Djuarsa 3 27.85 23 Jalan Mayor Jenderal Ishak Djuarsa 4 11.14 24 Jalan Mayor Jenderal Ishak Djuarsa 5 11.14
25 Jalan Otto Iskandardinata 3.92
26 Jalan Pahlawan 1 14.41
27 Jalan Pahlawan 2 14.41
28 Jalan Paledang 27.94
29 Jalan Pemuda 2 17.87
30 Jalan Raden Arya Surialaga 1 18.59
30
No Segmen Ruas Jalan Tingkat Kecelakaan
(100JPKP)
47 Jalan Raya Soleh Iskandar 10 36.02
48 Jalan Raya Soleh Iskandar 11 28.82
49 Jalan Raya Soleh Iskandar 12 50.43
50 Jalan Raya Soleh Iskandar 13 50.43
51 Jalan Raya Soleh Iskandar 14 43.22
52 Jalan Raya Soleh Iskandar 2 21.61
60 Jalan Raya Sukaraja-Sukabumi 1 4.72
61 Jalan Raya Sukaraja-Sukabumi 2 9.44
62 Jalan Raya Tajur 1 76.40
63 Jalan Raya Tajur 2 38.20
64 Jalan Raya Tajur 3 10.91
65 Jalan Raya Tajur 4 10.91
66 Jalan Raya Tajur 5 5.46
67 Jalan RE Martadinata 16.46
Lampiran 2 Kriteria Segmen Ruas Jalan
4 Jalan Ciremai Ujung Tidak Rawan
5 Jalan Gang Aut Tidak Rawan
6 Jalan A.Yani 2 Tidak Rawan
7 Jalan A.Yani 1 Tidak Rawan
8 Jalan Abesin Tidak Rawan
9 Jalan Ahmad Adnawijaya 1 Tidak Rawan 10 Jalan Ahmad Adnawijaya 2 Tidak Rawan 11 Jalan Ahmad Adnawijaya 3 Tidak Rawan 12 Jalan Ahmad Adnawijaya 4 Tidak Rawan 13 Jalan Ahmad Adnawijaya 5 Tidak Rawan
14 Jalan Arzimar 1 Tidak Rawan
24 Jalan Cibalagung Tidak Rawan
25 Jalan Cidangiang Tidak Rawan
26 Jalan Cimandiri Tidak Rawan
27 Jalan Cimanggu Brata Tidak Rawan
28 Jalan Cimanggu Kecil Tidak Rawan
29 Jalan Cimanggu Taman Tidak Rawan
30 Jalan Cimanu Tidak Rawan
31 Jalan Ciomas Raya Tidak Rawan
32 Jalan Ciremai Tidak Rawan
33 Jalan Dadali Tidak Rawan
34 Jalan Dewi Sartika Tidak Rawan
35 Jalan Dokter Sumeru 1 Rawan
36 Jalan Dokter Sumeru 2 Tidak Rawan
37 Jalan Dokter Sumeru 3 Tidak Rawan
38 Jalan Dokter Sumeru 4 Tidak Rawan
32
No Nama Jalan Kriteria
40 Jalan Jalak Harupat Tidak Rawan
41 Jalan Julang 1 Tidak Rawan
42 Jalan Kapten Muslihat Tidak Rawan
43 Jalan Kapten Yusuf 1 Tidak Rawan
44 Jalan Kapten Yusuf 2 Tidak Rawan
45 Jalan Kayu Manis Tidak Rawan
46 Jalan Kebon Pedes Tidak Rawan
47 Jalan Kiai Haji Abdulah Bin Nuh 1 Tidak Rawan 48 Jalan Kiai Haji Abdulah Bin Nuh 2 Tidak Rawan 49 Jalan Kiai Haji Abdulah Bin Nuh 3 Tidak Rawan 50 Jalan Kiai Haji Abdulah Bin Nuh 4 Tidak Rawan
51 Jalan Lawanggintung Tidak Rawan
52 Jalan Layungsari Tidak Rawan
53 Jalan Lokatmala Tidak Rawan
54 Jalan Lolongok Tidak Rawan
55 Jalan M.A. Salmun Tidak Rawan
56 Jalan Manunggal Tidak Rawan
57 Jalan Mayor Jenderal Ishak Djuarsa 1 Tidak Rawan 58 Jalan Mayor Jenderal Ishak Djuarsa 2 Rawan 59 Jalan Mayor Jenderal Ishak Djuarsa 3 Rawan 60 Jalan Mayor Jenderal Ishak Djuarsa 4 Tidak Rawan 61 Jalan Mayor Jenderal Ishak Djuarsa 5 Tidak Rawan 62 Jalan Mayor Oking Jayaatmaja Tidak Rawan
63 Jalan Medika Tidak Rawan
64 Jalan Medika 3B Tidak Rawan
65 Jalan Mekarwangi Tidak Rawan
66 Jalan Merak Tidak Rawan
67 Jalan Merdeka Tidak Rawan
68 Jalan Otto Iskandardinata Tidak Rawan
69 Jalan Padi Tidak Rawan
70 Jalan Pahlawan 1 Tidak Rawan
71 Jalan Pahlawan 2 Tidak Rawan
72 Jalan Pakuan Tidak Rawan
73 Jalan Paledang Rawan
74 Jalan Pamikul Raya Tidak Rawan
75 Jalan Pandu Tidak Rawan
76 Jalan Pasama Tidak Rawan
77 Jalan Pasir Mulya Tidak Rawan
78 Jalan Pemuda 1 Tidak Rawan
79 Jalan Pemuda 2 Rawan
No Nama Jalan Kriteria
81 Jalan Polisi 1 Tidak Rawan
82 Jalan Raden Arya Surialaga 1 Rawan 83 Jalan Raden Arya Surialaga 2 Tidak Rawan
84 Jalan Rambutan Raya Tidak Rawan
85 Jalan Raya Cibeureum Tidak Rawan
86 Jalan Raya Cilebut Tidak Rawan
87 Jalan Raya Katulampa Tidak Rawan
88 Jalan Raya Semplak 1 Rawan
89 Jalan Raya Semplak 2 Tidak Rawan
90 Jalan Raya Soleh Iskandar 1 Tidak Rawan 91 Jalan Raya Soleh Iskandar 10 Rawan 92 Jalan Raya Soleh Iskandar 11 Rawan 93 Jalan Raya Soleh Iskandar 12 Rawan 94 Jalan Raya Soleh Iskandar 13 Rawan 95 Jalan Raya Soleh Iskandar 14 Rawan 96 Jalan Raya Soleh Iskandar 2 Rawan 97 Jalan Raya Soleh Iskandar 3 Tidak Rawan 98 Jalan Raya Soleh Iskandar 4 Rawan 99 Jalan Raya Soleh Iskandar 5 Rawan 100 Jalan Raya Soleh Iskandar 6 Rawan 101 Jalan Raya Soleh Iskandar 7 Rawan 102 Jalan Raya Soleh Iskandar 8 Rawan 103 Jalan Raya Soleh Iskandar 9 Rawan
104 Jalan Raya Sukaraja 1 Tidak Rawan
105 Jalan Raya Sukaraja 2 Tidak Rawan
106 Jalan Raya Tajur 1 Rawan
107 Jalan Raya Tajur 2 Rawan
108 Jalan Raya Tajur 3 Tidak Rawan
109 Jalan Raya Tajur 4 Tidak Rawan
110 Jalan Raya Tajur 5 Tidak Rawan
111 Jalan RE Abdullah Tidak Rawan
112 Jalan RE Martadinata Rawan
113 Jalan Roda Tidak Rawan
114 Jalan Salak Tidak Rawan
115 Jalan Sari Ibun Tidak Rawan
116 Jalan Sawo Jajar Tidak Rawan
117 Jalan Sedane Tidak Rawan
118 Jalan Semboja Tidak Rawan
119 Jalan Sempur Tidak Rawan
120 Jalan Senpur Kaler Tidak Rawan
34
No Nama Jalan Kriteria
122 Jalan Siliwangi 2 Tidak Rawan
123 Jalan Siliwangi 3 Tidak Rawan
124 Jalan Sipatahunan Tidak Rawan
125 Jalan Sudirman Rawan
126 Jalan Taman Cimanggu Tengah Tidak Rawan
127 Jalan Taman Kencana 1 Tidak Rawan
128 Jalan Terapi Tidak Rawan
129 Jalan Tunjung Biru Tidak Rawan
130 Jalan Veteran Rawan
131 Jalan Wanajaya Tidak Rawan
132 Jalan Wijaya Kusuma Raya Tidak Rawan
133 Jalan Yasmin Raya Tidak Rawan
134 Jalan Raya Pajajaran 1 Rawan
135 Jalan Raya Pajajaran 10 Tidak Rawan
136 Jalan Raya Pajajaran 11 Rawan
137 Jalan Raya Pajajaran 12 Rawan
138 Jalan Raya Pajajaran 13 Rawan
139 Jalan Raya Pajajaran 14 Tidak Rawan
140 Jalan Raya Pajajaran 15 Rawan
141 Jalan Raya Pajajaran 2 Tidak Rawan
142 Jalan Raya Pajajaran 3 Rawan
143 Jalan Raya Pajajaran 4 Tidak Rawan
144 Jalan Raya Pajajaran 5 Rawan
145 Jalan Raya Pajajaran 6 Rawan
146 Jalan Raya Pajajaran 7 Rawan
147 Jalan Raya Pajajaran 8 Tidak Rawan
148 Jalan Raya Pajajaran 9 Rawan
149 Jalan Beringin Tidak Rawan
150 Jalan Cimanggu Permai Tidak Rawan
151 Jalan Majapahit Raya Tidak Rawan
152 Jalan Nyi Raja Permas Tidak Rawan
153 Jalan P & K Kedunghalang Tidak Rawan
154 Jalan Pelita Jaya Tidak Rawan
155 Jalan Pembangunan Kedunghalang Tidak Rawan
156 Jalan Riau Tidak Rawan
157 Jalan Sukasari 1 Tidak Rawan
158 Jalan Bubulak 1 Tidak Rawan
159 Jalan Bubulak 2 Tidak Rawan
160 Jalan Bukit Tunggul Tidak Rawan
161 Jalan Guntur Tidak Rawan
No Nama Jalan Kriteria
163 Jalan Manunggal Tidak Rawan
164 Jalan Papandayan Tidak Rawan
165 Jalan Sindang Barang Jero Tidak Rawan
166 Jalan Tangkuban Perahu Tidak Rawan
167 Jalan Pangeran Sogiri 1 Tidak Rawan
168 Jalan Pangeran Sogiri 2 Tidak Rawan
169 Jalan Pangeran Sogiri 3 Tidak Rawan
170 Jalan Pangeran Sogiri 4 Tidak Rawan
171 Jalan Pangeran Sogiri 5 Rawan
172 Jalan Pemda 1 Tidak Rawan
173 Jalan Pemda 2 Tidak Rawan
174 Jalan Perintis Kemerdekaan Tidak Rawan
175 Jalan POMAD Tidak Rawan
176 Jalan Sukaraja - Katulampa Tidak Rawan
177 Jalan Taman Malabar Tidak Rawan
36
