Faktor-Faktor yang Membedakan Jenis Pelanggaran lalu lintas di Polres Sidoarjo dengan Menggunakan Metode Regresi Logistik Biner

(1)

Faktor-Faktor yang Membedakan Jenis

Pelanggaran lalu lintas di Polres Sidoarjo dengan

Menggunakan Metode Regresi Logistik Biner

Oleh :

Febrian Hadi Santoso

1308 030 016

(2)

Tugas Akhir | Febrian Hadi Santoso

1 LATAR BELAKANG

lalu lintas =Transportasi

P ER EKO NO M IAN M O BI LI TAS

TRANSPORTASI

Hubungan

lalu lintas =Transportasi

Pelanggaran lalu lintas

Angka Kecelakaan lalu lintas Semakin Tinggi Maret-September 2011 98 Laka (Satlantas Sidoarjo, 2011) Akibatnya

(3)

PERMASALAHAN

1. Bagaimana karakteristik pelanggar lalu lintas

di kabupaten Sidoarjo?

2. Bagaimana pola hubungan antara tingkat

pelanggaran lalu lintas dengan faktor-faktor

yang berpengaruh

(4)

4 TUJUAN

1. Mengkaji karakteristik pelanggar lalu lintas di

Polres Sidoarjo.

2. Mengetahui pola hubungan antara tingkat

pelanggaran lalu lintas dengan faktor-faktor

yang berpengaruh.

(5)

MANFAAT

1. Menambah pengetahuan penerapan metode

statistik dalam aplikasi di bidang keamanan

berkendara dan transportasi.

2. Sebagai bahan masukan kepada pihak

kepolisian untuk meningkatkan pengawasan tata

tertib lalu lintas dan memasyarakatkan

(6)

6 BATASAN MASALAH

Batasan masalah pada penelitian ini adalah data

pelanggaran lalu lintas yang terjadi di wilayah

hukum Polres Sidoarjo.

(7)

Statistika Deskriptif

Statistik Deskriptif merupakan statistik yang digunakan

untuk mendeskripsikan atau menggambarkan obyek

penelitian yang diambil dari sampel maupun populasi.

Bhattacarya dan Johnson (1977)

Statistik deskriptif dalam penelitian ini digunakan

untuk menyajikan karakteristik pelanggar lalu lintas di

Polres Sidoarjo

(8)

8 Regresi Logistik Ordinal

Pada regresi logistik biner, data variabel

respon yang digunakan adalah data dengan

skala nominal dengan hanya berupa 2

kategori yaitu “sukses” atau “gagal”, misalnya

ya-tidak, benar-salah, puas-tidak puas, dan

lain sebagainya.

(9)

Model Umum Regresi Logistik Ordinal

p p p p

x

...

exp

1 ...

exp

)

(

1 1 0 1 1 0 p p

x

g

...

)

(

1 )

(

ln

)

(

₀ ₁ ₁

(10)

10 Estimasi Parameter

Uji Parsial

Untuk menguji signifikansi variabel yang diduga berpengaruh terhadap variabel respon.

H

0

:

i 0

H

1

:

i 0

, dengan i = 0, 1, 2, ...k

Statistik uji :

) ˆ ( ˆ i i SE W

(11)

Estimasi Parameter

Uji serentak

Untuk mengetahui signifikansi model secara keseluruhan

H

₀

:

₁ ₂ ... _p 0

H

₁

: paling sedikit ada satu

i 0

, dengan i = 1, 2, ..., p

n i i i i i i y y y n n n n n n G ji Statistiku 1 0 2 1 ) ˆ 1 ( 1 1 ln 2 :

(12)

12 Kesesuaian Model

H0 : model sesuai (tidak ada perbedaan yang nyata antara hasil observasi

dengan kemungkinan hasil prediksi model)

H1 : model tidak sesuai (ada perbedaan yang nyata antara hasil observasi

dengan kemungkinan hasil prediksi model)

statistik uji : g k _k k k k k k n n o

C

₁ ' 2 ' ^ ) 1 ( ) (

Daerah Kritis : Penolakan H0 adalah jika 2 hitung ≥ 2(db,α) dengan db=g-2.

(13)

PELANGGARAN

Sistem perundang-undangan hukum pidana :

a. Kejahatan

b. Pelanggaran

Segala bentuk kejahatan dimuat dalam buku II KUHP sedang

pelanggaran dimuat dalam buku III KUHP.

Dari uraian tersebut ditarik kesimpulan bahwa pelanggaran

adalah :

1. Perbuatan yang bertentangan dengan apa yang secara tegas

dicantumkan dalam undang-undang pidana.

2. Pelanggaran merupakan tindak pidana yang lebih ringan dari

kejahatan baik perbuatannya maupun hukumannya.

(14)

14 PELANGGARAN LALULINTAS

Pelanggaran

lalu

lintas

_adalah

perbuatan

yang

bertentangan dengan perundang-undangan lalu lintas

dan bertentangan dengan peraturan pelaksanaannya

baik yang menimbulkan atau tidak menimbulkan

kerugian jiwa atau benda, tetapi dapat mengganggu

kamtibcarlantas (keamanan, ketertiban, dan kelancaran

lalulintas).

_{Buku III KUHP}

(15)

-JENIS PELANGGARAN

Berdasarkan buku petunjuk lapangan penindakan pelanggaran lalu

lintas (Anonim, 2003). Pelanggaran lalu lintas dikategorikan menjadi

tiga yaitu:

1. Jenis Pelanggaran Ringan

2. Jenis Pelanggaran Sedang

3. Jenis Pelanggaran Berat

(16)

16 Jenis Pelanggaran Ringan (1)

1. Melanggar ketentuan persyaratan lampu, rem dan tuter bagi kendaraan tidak bermotor.

2. Melanggar rambu-rambu perintah atau rambu-rambu larangan 3. Melanggar marka membujur garis utuh tunggal atau ganda

4. Melanggar marka melintang garis utuh sebagai batas berhenti. 5. Melanggar ketentuan cahaya alat pengatur isyarat lalulintas.

6. Melanggar larangan melewati kendaraan lain dipersimpangan atau diperlintasan sebidang.

7. Melanggar kewajiban mendahulukan kendaraan yang memiliki hak utama sesuai prioritas.

8. Melanggar larangan berhenti atau parkir ditempat-tempat tertentu. 9. Melanggar kewajiban menggunakan helm pengemudi atau penumpang

sepeda motor atau mobil tanpa rumah-rumah

10. Melanggar larangan membunyikan klakson pada tempat-tempat tertentu yang dinyatakan dengan rambu-rambu.

(17)

Jenis Pelanggaran Ringan (2)

11. Melanggar ketentuan penggunaan sirene.

12. Melanggar kewajiban menyalakan lampu utama dekat, lampu posisi depan dan belakang atau lampu tanda nomor kendaraan pada waktu malam hari/gelap.

13. Melanggar larangan menyalakan lampu peringatan berwarna biru atau merah kecuali kendaraan tertentu.

14. Melanggar kewajiban menyalakan lampu penunjuk arah waktu akan membelok atau berbalik arah.

15. Melanggar kewajiban menyalakan lampu tanda berhenti waktu menaikan/menurunkan penumpang bus sekolah.

16. Melanggar kewajiban menyalakan lampu peringatan berwarna kuning bagi kendaraan tertentu.

17. Melanggar ketentuan batas kecepatan maksimum.

18. Melanggar larangan bagi kendaraan yang ditarik oleh lebih dari satu kendaraan.

(18)

18 Jenis Pelanggaran Sedang

1. Kendaraan tanpa dilengkapi tanda bukti lulus uji bagi mobil bus,

barang, kendaraan umum, kereta gandeng/ tempelan atau

kendaraan khusus.

2. Tidak dapat menunjukan STNK atau STCK beserta lembar formulir

BTCK.

3. Tidak melengkapi TNKB/TNCKB yang sesuai ketentuan.

4. Tidak dapat menujukan SIM sesuai ketentuan.

(19)

Jenis Pelanggaran Berat

1. Melanggar ketentuan pengangkutan orang atau barang tidak

sesuai dengan peruntukannya (kecuali sebagaimana yang

dimaksud pasal 3 ayat 1 PP 41)

2. Melanggar persyaratan teknis dan jalan yang meliputi

persyaratan lampu dan komponen pendukung bagi kendaraan

bermotor.

3. Melanggar ketentuan kelas jalan yang dinyatakan dengan

rambu-rambu.

(20)

20 Sumber Data

Data yang digunakan dalam penelitian ini adalah data

sekunder berupa data pelanggaran laulintas yang

terjadi di kawasan Polres Sidoarjo bagian Satlantas Ur

Tilang periode bulan Nopember 2011.

(21)

Variabel Penelitian

Berdasarkan variable penelitian data sekunder, variable

respon penelitian adalah tingkat pelanggaran lalu lintas

yang dikategorikan menjadi tiga tingkatan yaitu :

Y = 0, pelanggaran ringan

(22)

22 Variabel Penelitian

Sedang untuk variabel prediktornya adalah :

a) Pekerjaan pelanggar (X₁), dengan kategori :

0. Bekerja (PNS/ Wiraswasta/Swasta, pengemudi) 1. Tidak Bekerja (Mahasiswa, Pelajar)

b) Kendaraan pelanggar (X₂), dengan kategori : 0. Roda dua

1. Roda empat

c). Usia (X₃), dengan kategori : 0. <20 tahun

1. 21 – 30 tahun 2. 31 – 40 tahun 3. ≥ 41tahun

(23)

Variabel Penelitian

Untuk variabel prediktornya adalah :

e) Hari Pelanggaran (X

₄

), dengan kategori :

0. Hari kerja (Senin sampai dengan Jumat).

1. Hari libur (Sabtu sampai dengan Minggu).

e) Waktu pelanggaran (X

₅

), dengan kategori

0. 05.00-10.00

1. 10.01-15.00

2. 15.01-18.00

3. 18.01-24.00

f) Wilayah hukum (X

₇

), dengan kategori :

0. wilayah utara ( Waru, Taman, Sukodono, Prambon)

1. wilayah selatan (Porong, Tanggulangin, Jabon)

2. wilayah timur ( Kota Sidoarjo, Candi, Buduran, Sedati)

(24)

23 Analisis Data

Langkah-langkah dalam menganalisis data adalah sebagai berikut :

1. Untuk mengetahui karakteristik pelanggar laulintas dilakukan analisis deskriptif.

2. Untuk mengetahui faktor yang mempengaruhi pada pelanggaran laulintas dengan menggunakan analisis regresi logistik biner dengan langkah-langkah sebagai berikut:

a. Menentukan model regresi logistik univariat untuk setiap variabel prediktor dengan variabel respon.

b. Melakukan uji independensi terhadap semua variabel.

c. Melakukan uji signifikansi parameter dari setiap model regresi logistik

univariat untuk mengetahui variabel-variabel prediktor yang berpengaruh secara signifikan terhadap variabel respon.

d. Menentukan model regresi logistik berganda antara variabel respon dengan variabel-variabel prediktor yang signifikan dari langkah b.

e. Melakukan pengujian secara serentak dan parsial terhadap model yang diperoleh.

f. Melakukan uji kesesuaian model (goodness of fit).

g. Menginterpretasikan model regresi logistik berganda dan odds ratio yang diperoleh.

(25)

Analisis Dan Pembahasan

Statistika Deskriptif

89% 11% Jenis Kelamin pria wanita 22% 24% 14% 37% Pekerjaan Pelanggar PNS Mahasiswa/Pelajar Wiraswasta Pengemudi Swasta

(26)

23 Analisis Dan Pembahasan

Statistika Deskriptif

6% 42% 31% 21% Usia Pelanggar < 20 tahun 21-30 tahun 31-40 tahun > 40 tahun 71% 29% Jenis Kendaraan roda dua roda empat

(27)

Analisis Dan Pembahasan

7% 10% 6% 15% 9% 30% 25% Hari Pelanggaran senin selasa rabu kamis jum'at sabtu minggu Hari Kerja 45% Hari Libur 55% Hari Hari Kerja Hari Libur

(28)

23 Analisis Dan Pembahasan

30% 44% 19% 7% Waktu Pelanggaran 05.00-10.00 10.01-15.00 15.01-18.00 18.01-24.00 42% 20% 20% 18% Wilayah Pelanggaran utara selatan timur barat

(29)

Analisis Dan Pembahasan

Uji Independensi Antar Variabel

H₀ : Tidak ada hubungn antara variabel respon (Y) dengan variabel prediktor (X) H₁ : Ada hubungan antara variabel respon (Y) dengan variabel prediktor (X)

α : 10%

Keputusan: penolakan H₀ jika nilai χ2

hitung > χ2 (α;df)

Variabel Independen χ2

hitung χ2 (α;df) Keputusan

Pekerjaan (X₁) 2,942 2,706 Tolak H₀ Jenis Kendaraan (X₂) 6,633 2,706 Tolak H₀

Umur (X₃) 3,525 6,251 Gagal Tolak H₀ Hari Pelanggaran (X₄) 3,331 2,706 Tolak H₀

Waktu Pelanggaran (X₅) 0,683 6,251 Gagal Tolak H₀ Wilayah Hukum (X ) 13,907 6,251 Tolak H

(30)

23 Analisis Dan Pembahasan

H₀ : β_i = 0 (tidak ada pengaruh) H₁: β_i ≠ 0 (ada pengaruh)

α : 10 %

Tolak H₀ bila uji W2_{(Wald) > χ}2 (df, α)

atau P_value < α

Uji Parsial

Prediktor B Wald P Odds Ratio

Const 0771 12,589 0,000 Pekerjaan

Tidak Bekerja -0,665 2,898 0,089 * 0,514 Const 1,286 12,300 0,000

(31)

Analisis Dan Pembahasan

Lanjutan Uji Parsial Prediktor B Wald P Odds Ratio

Const 1,286 12,300 0,000 Jenis Kendaraan Roda Empat -1,117 6,290 0,012 * 0,327 Const 0,575 1,907 0,167 Usia < 20 0,523 0,692 0,406 1,687 21-30 -0,386 0,597 0,440 0,680 31-40 0,205 0,137 0,711 1,227 Const 0,201 3,295 0,439 Hari Hari Libur 0,653 3,295 0,069 * 1,921 Const 0,811 3,642 0,056 Waktu Pelanggaran 05.00-10.01 -0,369 0,501 0,479 0,691 10.01-15.00 -0,348 0,439 0,508 0,706 15.01-18.00 -0,118 0,035 0,851 0,889 Const Wilayah utara -1,342 5,759 0,016 0,261

(32)

23 Analisis Dan Pembahasan

Dari uji Parsial tersebut didapat 3 variabel yang signifikan diantaranya : 1. Variabel Pekerjaan.

Model logit yang diperoleh adalah :

Logit

g (x) = 0,771-665 Bekerja

₍₁₎

Dengan model probabilitasnya adalaha

Serta didapat nilai Odds Ratio sebesar 0,514

)

Bekerja

0,665

-0,771

exp(

1 )

Bekerja

0,665

-0,771

exp(

)

(

(1) (1)

x

(33)

Analisis Dan Pembahasan

2. Variabel Jenis Kendaraan.

Logit

g (x) = 1,286 - 1,117 jenis kendaraan

₍₁₎

Dengan model probabilitasnya adalaha

Serta didapat nilai Odds Ratio sebesar 0,327

)

kendaraan

jenis

1,117

-

1,286

exp(

1 )

kendaraan

jenis

1,117

-

1,286

exp(

)

(

(1) (1)

x

(34)

23 Analisis Dan Pembahasan

3. Variabel Hari Pelanggaran.

Logit

g (x) = 0,201+ 0,653 hari

₍₁₎

Dengan model probabilitasnya adalaha

Serta didapat nilai Odds Ratio sebesar 1,921

)

0,653hari

0,201

exp(

1 )

0,653hari

0,201

exp(

)

(

(1) (1)

x

(35)

Analisis Dan Pembahasan

Uji Serentak Untuk Semua Variabel

Prediktor B Wald P Odds Ratio

Const 1,079 1,033 0,296 Pekerjaan Tidak Bekerja -0,800 2,950 0,086* 0,449 Jenis Kendaraan Roda Empat -1,241 6,098 0,014* 0,289 Usia < 20 0,605 0,720 0,369 1,831 21-30 -0,162 0,076 0,783 0,851 31-40 0,511 0,644 0,422 1,666 Hari Hari Libur 0,752 3,014 0,083* 2,122 Waktu Pelanggaran 05.00-10.01 -0,419 0,431 0,511 0,658 10.01-15.00 -0,471 0,536 0,464 0,625 15.01-18.00 -0,239 0,107 0,744 0,787 Wilayah

(36)

23 Analisis Dan Pembahasan

H

₀

:

1 2 3 4 5

H

1

: paling sedikit ada satu

i

0

, dengan i = 1, 2, 3, 4, 5.

n i i i i i i y y y n n n n n n G ji Statistiku 1 0 2 1 ) ˆ 1 ( 1 1 ln 2 :

Daerah penolakan H

0

adalah jika >

2( ,v)

(37)

Analisis Dan Pembahasan

Hasil Uji Serentak Untuk Variabel Yang Signifikan

Variabel B Wald P-value Exp(B)

Const 0,993 8,878 0,003

Tidak Bekerja (1) -1,046 6,358 0,012* 0,351

Hari Libur (1) -0,841 4,617 0,032* 2,319

(38)

23 Analisis Dan Pembahasan

Probabilitas Terjadinya Pelanggaran Lalu Lintas Terhadap Variabel Yang Signifikan

Pekerjaan Hari Pelanggaran Jenis Kendaraan Y = 1

0 0 0 0.729 0 0 1 0.892 0 1 0 0.538 0 1 1 0.781 1 0 0 0.486 1 0 1 0.744 1 1 0 0.290 1 1 1 0.557

(39)

Analisis Dan Pembahasan

Dari Logit didapat Model Peluang Pelanggaran Lalulintas

(1))

1,124

0,841(1)

-(0)

1,046

-0,993

exp(

1 (1))

1,124

0,841(1)

-(0)

1,046

-0,993

exp(

)

(x

(0))

1,124

0,841(1)

-(1)

1,046

-0,993

exp(

1 (0))

1,124

0,841(1)

-(1)

1,046

-0,993

exp(

)

(x

= 0,290

= 0,781

(40)

23 Analisis Dan Pembahasan

Kesesuaian Model

r i c j ij ij ij

e

o

1 1 2 2

H₀ : model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model)

H₁ : model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model)

Statistik uji :

Hipotesis akan ditolak H₀ jika atau p_value <

Step Chi-Square df P_value Keputusan

(41)

Analisis Dan Pembahasan

Ketepatan Klasifikasi Model

Ketepatan klasifikasi model Observasi

Prediksi

Jenis Pelanggaran _Ketepatan Klasifikasi Ringan Tidak Ringan

Jenis Pelanggaran RinganTidak Ringan 1218 32 36,0

75 86,2 Prosentase Total 67,9

%

9 ,

67 %

100

137

75

18

(42)

23 Kesimpulan Dan Saran

Kesimpulan

1. Jenis kelamin laki-laki cenderung melakukan pelanggaran. Usia yang

paling sering melakukan pelanggaran yaitu 21 sampai dengan 30tahun,

pelanggaran sering terjadi di hari libur khususnya pada hari Sabtu,

kendaraan roda dua lebih sering melakukan pelanggaran. Waktu

pelanggaran yang sering terjadi pada waktu siang antara pukul

10.00-15.00 WIB. Dan wilayah paling sering terjadi pelanggaran adalah

wilayah utara yang meliputi Polsek Waru, Polsek Taman, Polsek

Sukodono, dan Polsek Prambon.

2. Faktor-faktor yang berpengaruh secara signifikan terhadap model yaitu

jenis pekerjaan, jenis kendaraan, dan hari terjadinya pelanggaran.

(43)

Analisis Dan Pembahasan

Saran

Hasil penelitian menunjukan bahwa pada pagi dan siang hari lebih

beresiko untuk terjadi pelanggaran lalu lintas . Untuk itu disarankan

kepada pihak kepolisian untuk menambahkan personil atau petugas

lebih banyak dari waktu malam hari, serta meningkatkan pengawasan

terhadap kendaraan roda dua.

(44)

25 Daftar Pustaka

Anonim, Petunjuk Lapangan Penindakan Pelanggaran lalu lintas jalan Berdasarkan Sistem Potensial Poin Target, MABES POLRI, Jakarta 2003

Presiden Republik Indonesia, 1992. Undang Undang No. 14 Tahun 1992 Tentang: Lalu Lintas Dan Angkutan Jalan. Jakarta

Agresti, A (1990). Categorical Data Analysis. John Wiley and Sons, New York Bhattacarya, G.K. dan Johnson, R.A.. (1977). Statistical Concepts and Methods.

John Wiley & Sons, New York

Christina., (2004). Analisis Model Logliniear Ordinal terhadap karakteristik pelanggaran lalu lintas kendaraan bermotor yang dikenai tindakan pelanggaran (tilang) di Wilayah Kota Denpasar. Tugas Akhir Jurusan Statistika ITS. Surabaya.

Dimas, (2010). Analisis Korespondensi Data Curanmor Di Wilayah Polsek

Wonocolo Surabaya Pada Bulan Januari 2006 – Agustus 2010. Tugas Akhir Jurusan Statistika ITS. Surabaya.

(45)

Daftar Pustaka

Henriatmaji., (2005). Pemeriksaan perkara pelanggaran lalu lintas jalan tertentu dipengadilan Negeri Surabaya. Jurusan Psikologi. Universitas

Airlangga. Surabaya.

Hosmer, D.W., and Lemenshow. (2000). Applied Logistic Regression. John Wiley and Sons. USA

Indonesia, Undang-undang Tentang lalu lintas Dan Angkutan Umum, UU No. 14, L.N. Tahun 1992.

Samidjo, (1985) Ringkasan Dan Tanya Jawab Hukum Pidana. CV. Armico. Bandung

Yati., (2007). Analisis regresi logistik data kriminalitas Polres Jember. Tugas Akhir Jurusan Statistika ITS. Surabaya.

Wulandari S P dkk. Analisis Data Kualitatif. Statistika FMIPA-ITS. Surabaya

http://metrotvnews.com/Tujuh%20Ribu%20Orang%20Ikuti%20Sidang%20Pa langgaran%20Lalu%20Lintas.htm

(46)