PEMETAAN LOKASI RAWAN KECELAKAAN ( STUDI KASUS BUNDARAN WARU ) DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS.

(1)

PEMETAAN LOKASI RAWAN KECELAKAAN

( STUDI KASUS BUNDARAN WARU )

DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

TUGAS AKHIR

Diajukan untuk Memenuhi Salah Satu Per syar atan Dalam Memper oleh Gelar Sar jana Teknik (S-1) J ur usa n Teknik Sipil

Disusun oleh :

RAMZIE SALMAN MISUARI

NPM : 0553010041

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

(2)

PEMETAAN LOKASI RAWAN KECELAKAAN

( STUDI KASUS BUNDARAN WARU )

DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

RAMZIE SALMAN MISUARI 0553010041

ABSTRAK

Banyaknya kasus kecelakaan yang terjadi pada ruas jalan Bundaran Waru Surabaya mengakibatkan banyaknya kerugian, baik kerugian materil dan non materil pada para pengendara tersebut. Sehingga perlu dilakukan analisa kecelakaan terhadap tingginya tingkat kecelakaan untuk dapat mengetahui faktor–faktor penyebabnya, mengetahui daerah rawan kecelakaan, dan mencari solusi penyelesaian yang tepat untuk meminimalkan kecelakaan yang sering terjadi pada ruas jalan tersebut.

Sistem Informasi Geografis (SIG) digunakan sebagai salah satu prasarana penunjang untuk menganalisis lokasi atau titik rawan yang sering terjadi kecelakaan.Dalam pemetaan ini digunakan software Arc View versi 3.3 yang dapat memetakan lokasi titik rawan kecelakaan pada setiap ruas jalan Bundaran Waru Surabaya.

Dengan adanya Sistem Informasi Geografis (SIG) dapat diketahui kondisi aktual ruas Jalan Bundaran Waru tentang informasi derajat kejenuhan (DS), kapasitas (C), arus kendaraan (Q) dan lokasi mana saja yang sering terjadi kecelakaan (black

spot). Dari hasil perhitungan diperoleh ruas jalan yang paling ramai segmen III

dengan nilai arus kendaraan (Q) = 6020,6 smp/jam (pagi hari) dan segmen II dengan nilai arus kendaraan (Q) = 5080,3 smp/jam (pagi hari). Untuk daerah titik rawan yang sering terjadi kecelakaan dalam kurun waktu 5 tahun (tahun 2007 – 2011) pada segmen I adalah dengan jumlah 65 kecelakaan. Untuk jenis korban luka terbesar adalah korban luka ringan dengan nilai prosentase 58,02 %.

(3)

KATA PENGANTAR

Dengan mengucapkan rasa syukur alhamdulillah ke hadirat Allah SWT atas rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini sebagai salah satu syarat akademis dalam menyelesaikan program pendidikan Strata 1 (S-1) di Jurusan Teknik Sipil - FTSP Universitas Pembangunan Nasional “Veteran” Jawa Timur.

Dalam menyusun Tugas Akhir yang berjudul “Pemetaan Lokasi Rawan

Kecelakaan (Studi Kasus Bundaran Waru) Dengan Metode Sistem Informasi

Geografis“ ini, penulis berusaha menerapkan segala sesuatu yang penulis peroleh

baik dari bangku kuliah maupun dari literatur yang berkaitan, serta arahan-arahan dari dosen pembimbing.

Akhirnya tidak lupa penulis ucapkan terima kasih yang sebesar-besarnya kepada:

1. Ir. Naniek Ratni JAR., M.Kes., Selaku Dekan Fakultas Teknik Sipil dan Perencanaan UPN “Veteran” Jawa Timur.

2. Ibnu Sholichin, ST.MT. Selaku Ketua Program Studi Teknik Sipil dan Perencanaan UPN “Veteran” Jawa Timur.

3. Ir. Siti Zainab, MT. Selaku Dosen Pembimbing I Tugas Akhir ini.

4. Ir. Hendrata Wibisana, MT. Selaku Dosen Pembimbing II Tugas Akhir ini 5. Orang tua dan keluarga yang telah memberikan dukungan dalam

semangat belajar kita dan membimbing kita dalam hal apapun.

Penulis menyadari bahwa Tugas Akhir ini masih jauh dari kesempurnaan, untuk itu saran dan kritik membangun sangat penulis harapkan untuk kesempurnaan Tugas akhir ini. Dengan selesainya Tugas Akhir ini penulis berharap bisa bermanfaat baik bagi penulis sendiri maupun bagi pembaca umumnya, khususnya mahasiswa jurusan Teknik Sipil.

Surabaya,

(4)

DAF TAR ISI

ABSTRAK ... ... i

KATA PENGANTAR ... ii

DAFTAR ISI ... iii

DAFTAR TABEL ... . vii

DAFTAR GAMBAR ... . ix

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 2

1.3. Maksud dan Tujuan ... 3

1.4. Batasan Masalah ... 3

1.5. Lokasi Penelitian ... 4

BAB II TINJAUAN PUSTAKA ... 6

2.1. Kecelakaan Lalu Lintas ... 6

2.2. Faktor – Faktor Dalam Kecelakaan Lalu Lintas ... 6

2.2.1. Karakteristik Arus Lalu Lintas ... 6

2.2.2. Kapasitas Jalan ... 7

2.2.3. Derajat Kejenuhan ... 12

2.2.4. Tingkat Pelayanan Jalan ... 13

2.3. Perangkat Pengaturan Lalu Lintas ... 15

(5)

2.3.2. Marka Jalan (Pavement Marking) ... 16

2.3.3. Lampu Pengatur Lalu Lintas ... 16

2.4. Bundaran ... 17

2.5. Kapasitas Bundaran ... 18

2.5.1. Faktor Yang Mempengaruhi Kapasitas ... 19

2.6. Konsep Bundaran ... 19

2.7. Tipe Bundaran ... 20

2.8. Regresi Linear ... 21

2.9. Regresi Kuadratik ... 22

2.10. Sistem Informasi Geografis (SIG) ... 23

2.10.1. Konsep Dasar ... 23

2.10.2. Definisi ... 25

2.10.3. Subsistem SIG ... 26

2.10.4. Komponen SIG ... 27

2.10.5. Cara Kerja SIG ... 29

2.11.Model Data ... 30

2.11.1. Respresentasi Grafis Suatu Objek ... 30

2.11.2. Titik (Tanpa Dimensi) ... 30

2.11.3. Garis (Satu Dimensi) ... 31

2.11.4. Poligon (Dua Dimensi) ... 31

2.11.5. Objek Tiga Dimensi ... 31

2.12.Universal Transverse Mercator (UTM) ... 32

2.13.Model Data Spasial Dalam Sistem Informasi Geografis ... 34

(6)

2.13.2. Model Data Vektor ... 36

BAB III METODOLOGI ... 39

3.1. Metodologi Penelitian ... 39

3.2. Pengumpulan Data ... 39

3.3. Survey Lapangan Di Daerah Rawan Kecelakaan ... 40

3.4. Analisa Data ... ... 40

3.5. Derajat Kejenuhan ... 40

3.6. Kapasitas Jalan ... 41

3.7. Data Base / Data Atribut ... 41

3.8. Flow Chart ... 43

BAB IV ANALISA DATA DAN PEMBAHASAN ... 44

4.1 Survey Jumlah Kendaraan Pada Bundaran Waru ... 44

4.2 Kapasitas Jalan ... 44

4.3 Data Karakteristik Jalan Dan Jumlah Kendaraan Pada Setiap Ruas Jalan Bundaran Waru ... 45

4.3.1. Perhitungan Kapasitas (C) Dan Derajat Kejenuhan (DS) Pada Setiap Segmen Jalan Bundaran Waru ... 51

4.4. Analisa Kecelakaan Tiap Segmen Berdasarkan Jenis Tipe Kendaraan, dan Jenis Korban Luka Jalan Bundaran Waru ... 60

(7)

4.6. Perhitungan Regresi Linear Berdasarkan Volume Lalu Lintas Harian Rata – Rata (LHR) Bundaran Waru Selama 5 Tahun Terakhir ... 71 4.7. Perhitungan Prediksi Berdasarkan Jenis Kendaraan Yang

Terlibat Kecelakaan Dan Volume Lalu Lintas Harian Rata – Rata Selama Kurun Waktu 5 Tahun Ke Depan (Tahun 2012 – 2016) ... 77 4.8. Hasil Dari Arc View Serta Atribut ... 84

BAB V KESIMPULAN DAN SARAN ... 90 5.1 Kesimpulan ... 91 5.2 Saran ... 91 DAFTAR PUSTAKA

(8)

DAFTAR TABEL

Tabel 2.1 Kelas Ukuran Kota ... 8

Tabel 2.2 Tipe Lingkungan Jalan ... 9

Tabel 2.3 Faktor Penyesuaian Tipe Lingkungan Jalan, Hambatan Samping Dan Kendaraan Tidak Bermotor ... 9

Tabel 2.4 Nilai Tingkat Pelayanan Berdasarkan Tingkat Kejenuhan Lalu Lintas ... 14

Tabel 2.5 Nilai Tipe Bundaran ... 20

Tabel 4.1 Jumlah Kendaraan di Ruas Jl. Jendral A. Yani (Pagi) ... 45

Tabel 4.2 Jumlah Kendaraan di Ruas Jl. Jendral A. Yani (Sore) ... 46

Tabel 4.3 Jumlah Kendaraan di Ruas Jl. A. Yani Sidoarjo (Pagi)……… 47

Tabel 4.4 Jumlah Kendaraan di Ruas Jl. A. Yani Sidoarjo (Sore)……… 48

Tabel 4.5 Jumlah Kendaraan di Ruas Jl. Dukuh Menanggal (Pagi) ... 49

Tabel 4.6 Jumlah Kendaraan di Ruas Jl. Dukuh Menanggal (Sore)……. 50

Tabel 4.7 Hasil Rekapitulasi Jumlah Kendaraan Diruas Jl. Bundaran Waru ... 59

Tabel 4.8 Jenis Tipe Kendaraan Dan Penyeberang Jalan ... 60

Tabel 4.9 Jenis Korban Luka ... 63

Tabel 4.10 Jumlah Kendaraan dan Penyeberang Jalan Yang Terlibat Kecelakaan ... 65

Tabel 4.11 Perhitungan Regresi Angka Kecelakaan Motor Cycle ... 66

Tabel 4.12 Perhitungan Regresi Angka Kecelakaan Light Vehicle ... 69

Tabel 4.13 Perhitungan Regresi Angka Kecelakaan Heavy Vehicle ... 70

(9)

Tabel 4.15 Volume Lalu Lintas Harian Rata – Rata Kendaraan ... 71

Tabel 4.16 Perhitungan Regresi LHR Motor Cycle ... 72

Tabel 4.17 Perhitungan Regresi LHR Light Vehicle ... 73

Tabel 4.18 Perhitungan Regresi LHR Heavy Vehicle ... 75

Tabel 4.19 Hasil Persamaan Regresi Linear dan R2 (Derajat Determinasi) Berdasarkan Jenis Kendaraan Yang Terlibat Kecelakaan Dan Jumlah Volume LHR ... 76

Tabel 4.20 Prediksi Perhitungan Regresi Berdasarkan Jumlah Kendaraan Yang Terlibat Kecelakaan Selama 5 Tahun Ke Depan (Th. 2012 – 2016) ... 82

(10)

DAFTAR GAMBAR

Gambar 1.1 Peta Jawa Timur ... 4

Gambar 1.2 Peta Surabaya... 5

Gambar 1.3 Lokasi Penelitian Di Ruas Jalan Bundaran Waru ... 5

Gambar 2.1 Grafik Kapasitas Dengan Lebar Jalinan Faktor Ww=135 Ww1.3 ... 11

Gambar 2.2 Grafik Kapasitas Dengan Lebar Masuk Rata – Rata / Lebar Jalinan Faktor We/Ww=(1+We/Ww)1.5 ... 11

Gambar 2.3 Grafik Kapasitas dengan Rasio Jalinan Faktor Pw = (1-Pw/3)0.5 ... 11

Gambar 2.4 Grafik Kapasitas Dengan Lebar Jalinan/Rasio Jalinan Faktor Ww/Lw=(1+Ww/Lw)-1.8 ... 12

Gambar 2.5 Ukuran Bundaran Lalu Lintas ... 20

Gambar 2.6 Uraian Subsistem SIG ... 27

Gambar 2.7 Pembagian Zone UTM ... 33

Gambar 2.8 Salah Satu Zone UTM ... 33

Gambar 2.9 Tampilan Permukaan Bumi & Layer Model Data Raster ... 35

Gambar 2.10 Tampilan Struktur Model data Raster ... 35

Gambar 2.11 Tampilan Data Spasial Model Raster ... 36

Gambar 2.12 Tampilan Permukaan Bumi & Layer Model Data Vektor ... 38

Gambar 2.13 Tampilan Data Spasial Model Vektor ... 38

Gambar 3.1 Flow Chart ... 43

Gambar 4.1 Grafik Volume Kendaraan Segmen I (Pagi) ... 46

(11)

Gambar 4.3 Grafik Volume Kendaraan Segmen II (Pagi) ...… 48

Gambar 4.4 Grafik Volume Kendaraan Segmen II (Sore) ...… 49

Gambar 4.5 Grafik Volume Kendaraan Segmen III (Pagi) ...… 50

Gambar 4.6 Grafik Volume Kendaraan Segmen III (Sore) ...… 51

Gambar 4.7 Data Geometrik Segmen I ...… 52

Gambar 4.8 Data Geometrik Segmen I ...… 53

Gambar 4.9 Data Geometrik Segmen II ...… 54

Gambar 4.10 Data Geometrik Segmen II ...… 56

Gambar 4.11 Data Geometrik Segmen III ...… 57

Gambar 4.12 Data Geometrik Segmen III ...… 58

Gambar 4.13 Peta Tematik Ruas Jalan Di Bundaran Waru ...… 85

Gambar 4.14 Peta Tematik Ruas Jalan Di Bundaran Waru Segmen I Dan Atribut … ...… 86

Gambar 4.15 Peta Tematik Ruas Jalan Di Bundaran Waru Segmen II Dan Atribut … ...… 87

Gambar 4.16 Peta Tematik Ruas Jalan Di Bundaran Waru Segmen III Dan Atribut … ...… 88

(12)

BAB I PENDAHULUAN

1.1. Latar Belakang

Negara Indonesia pada saat ini bisa dibilang sebagai negara yang masih dalam tahap pengembangan disegala aspek bidang, baik dibidang ekonomi, sosial, politik, pendidikan, budaya dan sebagainya. Seiring dengan makin berkembangnya jumlah penduduk maka akan dapat menunjang pergerakan tingkat mobilitas pemenuhan kebutuhan masyarakat baik dari suatu daerah maupun kota besar. Faktor inilah yang dapat mendorong tumbuhnya fasilitas sarana dan prasarana transportasi guna menunjang dalam memenuhi kebutuhan tersebut.

Semakin meningkatnya sarana dan prasarana transportasi, jika tidak didukung dengan standar jalan yang memadai dan pengaturan lalu lintas yang baik maka dapat menjadi faktor timbulnya berbagai masalah dibidang lalu lintas. Salah satunya adalah meningkatnya angka jumlah kecelakaan yang cukup tinggi.

Surabaya sebagai kota terbesar kedua setelah Jakarta, berpotensi pesat menjadi kota terpadat dengan jumlah tingkat penduduk yang cukup tinggi sehingga pergerakan mobilisasi sarana dan prasarana transportasi pun juga semakin banyak. Dari dampak itulah timbul masalah kemacetan dan tingkat kecelakaan lalu lintas yang relatif cukup tinggi dari tahun ke tahun.

(13)

masyarakat akan membawa dampak pada kegiatan berkendara yang nantinya berakibat pada kejadian fatal yaitu banyaknya kecelakaan lalu lintas yang terjadi pada ruas jalan tersebut, yang bermula dari keinginan pemakai jalan untuk sampai ditujuan tepat waktu tanpa memperhatikan keselamatan jiwa dan peraturan serta rambu – rambu lalu lintas yang ada.

Dari data yang di dapat pada ruas Jalan Bundaran Waru kecelakaan mencapai ± 100 kasus kecelakaan lalu lintas pertahun. Kecelakaan lalu lintas yang terjadi disebabkan berbagai macam faktor kecelakaan antara lain faktor manusia, faktor kendaraan, faktor jalan, dan faktor cuaca sehingga perlu dilakukan analisa tingkat kecelakaan pada ruas jalan tersebut.

Untuk mengatasi permasalahan tersebut perlu adanya penanganan yang serius, sistematis dan berkesinambungan agar diperoleh solusi yang efektif dan efisien. Sistem Informasi Geografis (SIG) sebagai salah satu disiplin ilmu dalam hal pemetaan dan juga sebagai alat bantu yang tepat untuk diaplikasikan dalam menganalisis tingkat kecelakaan lalu lintas di suatu ruas jalan, diharapkan mampu memberikan data yang akurat untuk mengurangi permasalahan tingkat kecelakaan di kota Surabaya khususnya diruas Jalan Bundaran Waru.

1.2. Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah sebagai berikut :

1.Berapa derajat kejenuhan pada saat kepadatan total dari ruas Jalan Bundaran Waru ?

(14)

3.Bagaimana pemetaan ruas Jalan Bundaran Waru dengan menggunakan Metoda Sistem Informasi Geografi ?

4.Di lokasi mana yang merupakan titik rawan kecelakaan pada ruas jalan Bundaran Waru (Black Spot) ?

1.3. Maksud dan Tujuan

Mengacu pada permasalahan tersebut di atas maka tujuan dari tugas akhir ini adalah :

1.Menentukan derajat kejenuhan pada saat kepadatan total dari ruas Jalan Bundaran Waru.

2.Untuk menghitung jumlah kendaraan bermotor dengan metode regresi yang terlibat kecelakaan.

3.Dengan menggunakan Arc. View akan menghasilkan peta tematik kondisi ruas jalan di Bundaran Waru tiap segmen.

4. Dengan menggunakan Arc. View akan menghasilkan peta tematik lokasi titik rawan kecelakaan pada ruas jalan Bundaran Waru (Black Spot).

1.4. Batasan Masalah

Mengingat luasnya ruang lingkup dan terbatasnya waktu yang diberikan maka studi tugas akhir ini penulis memberikan beberapa batasan :

(15)

2.Data – data kecelakaan yang digunakan dalam penyusunan Tugas Akhir ini adalah 5 tahun terakhir 2007 – 2011.

3.Survey hanya dilakukan pada daerah rawan kecelakaan.

4.Survey volume kendaraan yang diteliti berdasarkan pengamatan langsung dilapangan dan hanya dilakukan pada jam – jam sibuk, yaitu jam 07.00 – 08.00 WIB dan jam 16.00 – 17.00 WIB.

5.Tidak membahas segmen jalan tol.

6.Tidak memperhitungkan analisa biaya kecelakaan.

7.Software yang digunakan Arc View GIS 3.3, Microsoft office.

1.5. Lokasi Penelitian

(16)

Gambar 1.2 Peta Surabaya

Gambar 1.3 Lokasi Penelitian Di Ruas Jalan Bundaran Waru Segmen III

Segmen I

(17)

BAB II

TINJ AUAN PUSTAKA

2.1. Kecelakaan Lalu Lintas

Kecelakaan lalu lintas merupakan suatu peristiwa / kejadian di jalan yang tidak disangka – sangka dan tidak disengaja, melibatkan kendaraan dengan atau tanpa pemakai jalan lainnya, mengakibatkan korban manusia atau kerugian harta benda. Clarkson H. Oglesby dan Gary Hicks, 1993, memberikan deskripsi tentang kecelakaan sebagai berikut : “Kecelakaan adalah kejadian yang berlangsung tanpa diduga atau diharapkan, pada umumnya terjadi sangat cepat dan merupakan puncak dari rangkaian kejadian naas”.

Lalu lintas yang aman adalah salah satu tujuan dari perencanaan lalu lintas, oleh karena itu hal – hal yang berkaitan dengan kecelakaan lalu lintas adalah suatu faktor penting. Dengan bertambahnya volume lalu lintas, maka kecelakaan lalu lintas cenderung meningkat pula. Selain itu perkembangan mobilitas, jumlah penduduk dan kendaraan akan mengakibatkan berkembang pula korban yang meninggal akibat kecelakaan lalu lintas.

2.2. Faktor – Faktor Dalam Kecelakaan Lalu Lintas 2.2.1. Kar akter istik Ar us Lalu Lintas

(18)

Arus lalu lintas pada suatu lokasi tergantung pada faktor yang berhubungan dengan kondisi tempat. Besaran ini sangat bervariasi pada setiap jam dalam sehari, tiap hari dalam seminggu, tiap bulan dalam setahun. Demikian juga, karakternya pun berubah hal ini berhubungan dengan aktivitas penduduk disekitar jalan tersebut.

Nilai arus lalu lintas (Q) mencerminkan komposisi lalu lintas, dengan menyatakan arus dalam satuan mobil penumpang (smp). Semua nilai arus lalu lintas (per arah total) diubah menjadi satuan mobil penumpang (smp) yang diturunkan secara empiris untuk tipe kendaraan sebagai berikut :

1. Kendaraan ringan ( LV) (termasuk mobil penumpang, mini bus, pickup, jeep).

2. Kendaraan berat (HV) (termasuk bus, truck). 3. Sepeda motor (MC).

Pengaruh kendaraan tak bermotor dimasukkan sebagai kejadian terpisah dalam faktor penyesuaian hambatan samping. Ekivalen mobil penumpang (smp) untuk masing – masing tipe kendaraan tergantung pada tipe jalan dan arus lalu lintas total yang dinyatakan dalam kendaraan/jam.

2.2.2. Kapasitas J alan

Kapasitas (C) sesungguhnya (smp/jam) dihitung dengan menggunakan induksi faktor penyesuaian F. Besarnya kapasitas tersebut dihitung dengan menggunakan persamaan :

C =135 x Ww1,3 x (1+We/Ww)1,5 x (1-Pw/3)0,5 x (1+Ww/Lw)-1,8 xFcsxFrsu...(2.1) Keterangan :

(19)

Ww = Lebar jalinan Lw = Panjang jalinan Pw = Rasio jalinan

Fcs = Faktor penyesuaian ukuran kota Frsu = Faktor penyesuaian tipe lingkaran

Faktor Ww = 135 x Ww1,3...(2.2) Faktor penyesuaian Fcs untuk ukuran kota dimasukkan sebagai jumlah penduduk di seluruh daerah perkotaan sebagaimana tabel 2.1 dibawah ini :

Tabel 2.1 Kelas Ukuran Kota

Ukuran Kota Jumlah Penduduk

Faktor Penyesuaian

(20)

Tabel 2.2 Tipe Lingkungan Jalan

Komersial

Tata guna lahan komersial (misalnya perkotaan, rumah makan, perkotaan dengan jalan masuk langsung bagi pejalan kaki dan kendaraan)

Pemukiman Tata guna lahan tempat tinggal dan masuk langsung bagi pejalan kaki dan kendaraan

Akses Terbatas

Tempat jalan masuk atau jalan masuk terbatas (misalnya karena adanya penghalang fisik, jalan sampimg dan sebagainya)

(sumber MKJI 1997)

Nilai faktor penyesuaian adalah sebagai berikut ini.

Tabel 2.3 Faktor Penyesuaian Tipe Lingkungan Jalan, Hambatan Samping dan Kendaraan Tidak Bermotor.

Kelas Tipe Kelas Hambatan Rasio Kendar aan Tak Ber motor Lingkungan Jalan (RE) Samping (SF) 0,00 0,05 0,10 0,15 0,20 > 0,25

Kapasitas dasar adalah kapasitas pada geometri dan prosentase jalinan tertentu tanpa induksi faktor penyesuaian dan dihitung dengan persamaan :

(21)

Keterangan :

We = Lebar masuk rata – rata = 1/2 (W1 + W2) Ww = Lebar jalinan (m)

Lw = Panjang jalainan (m) Pw = Rasio jalinan

Faktor We/Ww = (1+We/Ww)1.5...(2.4) Faktor Pw = (1-Pw/3)0.5...(2.5) Faktor Ww/Lw = (1+Ww/Lw)-1.8...(2.6) Faktor – faktor yang mempengaruhi kapasitas adalah :

1. Kondisi ideal. 2. Kondisi jalan. 3. Kondisi medan. 4. Kondisi lalu lintas. 5. Populasi pengemudi.

6. Kondisi pengendalian lalu lintas.

(22)

Gambar 2.2 Grafik Kapasitas dengan Lebar Masuk Rata – rata / Lebar jalinan Faktor We/Ww = (1+We/Ww)1.5

Gambar 2.3 Grafik Kapasitas dengan Rasio Jalinan Faktor Pw = (1-Pw/3)0.5

(23)

2.2.3. Der ajat Kejenuhan

Derajat kejenuham (DS) didefinisikan sebagai rasio arus terhadap kapasitas, digunakan sebagai faktor utama dalam penentuan tingkat kinerja simpang dan segmen jalan. Nilai DS menunjukkan apakah segmen jalan mempunyai masalah kapasitas atau tidak.

Dari definisi Derajat Kejenuhan, dapat di ekspresikan sebagai :

. . . .(2.7) Dimana:

DS = Derajat Kejenuhan Q = Arus lalu lintas (smp/jam) C = Kapasitas jalan (smp/jam)

Derajat kejenuhan (DS) dihitung dengan menggunakan arus dan kapasitas dinyatakan dalam smp/jam. Derajat Kejenuhan digunakan untuk analisa tingkat kinerja yang berkaitan dengan kecepatan.

2.2.4. Tingkat Pelayanan J alan

Pada suatu kendaraan dengan volume lalu lintas yang rendah, pengemudi akan merasa lebih nyaman mengendarai kendaraan dibandingkan jika berada pada daerah tersebut dengan volume lalu lintas yang besar. Kenyamanan akan berkurang sebanding dengan bertambahnya volume lalu lintas, dengan kata lain rasa nyaman dan volume lalu lintas berbanding terbalik.

Q DS =

(24)

Untuk mengukur pelayanan dari ruas jalan adalah dengan menggunakan tingkat pelayanan, dimana parameter kualitas ruas jalan tersebut antara lain :

1. Kecepatan 2. V / C rasio

3. Tingkat Pelayanan (Level of Service)

Highway Capacity Manual membagi tingkat pelayanan jalan atas 6 keadaan

yaitu :

1. Tingkat pelayanan A, dengan ciri – ciri : • Arus lalu lintas bebas tanpa hambatan. • Volume dan kepadatan lali lintas rendah.

2. Tingkat pelayanan B, dengan ciri – ciri : • Arus lalu lintas stabil.

• Kecepatan mulai dipengaruhi oleh keadaan lalu lintas. 3. Tingkat pelayanan C, dengan ciri – ciri :

• Arus lalu lintas masih stabil.

• Kecepatan dan kebebasan bergerak sudah dipengaruhi oleh besarnya volume lalu lintas sehingga pengemudi tidak dapat lagi memilih kecepatan yang diinginkan.

4. Tingkat pelayanan D, dengan ciri – ciri : • Arus lalu lintas sudah mulai tidak stabil.

• Perubahan volume lalu lintas sangat mempengaruhi besarnya kecepatan perjalanan.

(25)

• Volume kira – kira sama dengan kapasitas, sering terjadi kemacetan. 6. Tingkat pelayanan F, dengan ciri – ciri :

• Arus lalu lintas tertahan pada kecepatan rendah. • Sering terjadi kemacetan.

Nilai dari setiap tingkat pelayanan dapat dilihat pada tabel 2.4. :

Tabel 2.4. Nilai Tingkat Pelayanan Berdasarkan Tingkat Kejenuhan Lalu Lintas TINGKAT

PELAYANAN

PERBANDINGAN VOLUME DENGAN KAPASITAS ( DS )

2.3. Per angkat Pengaturan Lalu Lintas

Perangkat pengaturan lalu lintas adalah semua tanda/rambu (sign), alat pengatur/lampu (signals), marka (marking), dan tanda/alat yang ditempatkan pada atau disebelah luar jalan atau jalan raya untuk mengatur, memperingatkan dan memberikan pengarahan berlalu lintas.

(26)

2.3.1. Rambu Lalu Lintas

Rambu lalu lintas (traffic signs) adalah tanda/rambu yang dipasang pada sebuah tiang dan tidak berubah, berfungsi untuk memberikan informasi – informasi kepada para pemakai jalan lewat pesan yang tertera. Adanya penempatan diletakkan sedemikian hingga dapat terlihat jelas oleh pengemudi (tidak terhalang benda lain, seperti pohon) dan tidak mengganggu atau menghalangi arus lalu lintas kendaraan atau pejalan kaki. Rambu – rambu lalu lintas terdiri dari empat golongan :

1. Rambu peringatan, digunakan untuk menyatakan peringatan bahaya atau tempat berbahaya pada jalan.

2. Rambu larangan, digunakan untuk menyatakan perbuatan yang dilarang pemakai jalan.

3. Rambu perintah, digunakan untuk menyatakan perintah yang wajib dilakukan oleh pemakai jalan.

4. Rambu petunjuk, digunakan untuk menyatakan petunjuk mengenai jurusan, jalan, situasi, kota, pengaturan, fasilitas, dan lailn – lain bagi pengguna jalan.

2.3.2. Mar ka J alan (Pavement Mar king)

(27)

2.3.3. Lampu Pengatur Lalu lintas

Lampu pemgatur lalu lintas (traffic signals) adalah semua alat pengatur lalu lintas yang dioperasikan dengan tenaga listrik untuk pengaturan atau peringatan kepada pemakai jalan.

Jenis dan bentuk pengatur lalu lintas ditempatkan sesuai dengan kebutuhannya. Pada persimpangan jalan dengan tiga lampu (merah, kuning, hijau), pada daerah rawan kecelakaan dengan dua lampu (kuning, kuning) atau satu lampu kuning, sedangkan pada tempat penyeberangan dipakai dua lampu (merah, hijau).

Lampu pengaturan lalu lintas diperlukan bila mana pada suatu persimpangan jalan situasi konflik sering terjadi dan mengakibatkan delay yang cukup lama. Selain juga memperbesar kemungkinan timbulnya kecelakaan.

Sedangkan pada tempat penyeberangan jalan diperlukan apabila arus penyeberangan sangat ramai dan arus lalu lintasnya cukup ramai dengan kecepatan tinggi.

2.4. Bundaran

(28)

Kanalisasi adalah proses pemisahan atau pengaturan terhadap aliran kendaraan yang saling konflik ke dalam rute – rute jalan yang jelas dengan menempatkan beton pemisah atau rambu perkerasan untuk menciptakan pergerakan yang aman dan teratur bagi kendaraan dan pejalan kaki. Kanalisasi yang benar dapat meningkatkan kapasitas, keamanan, memberikan kenyaman penuh.

Salter (1995), mengatakan bahwa bundaran biasanya digunakan di daerah pusat perkotaan yang secara tradisional digunakan untuk memutuskan konflik antara pejalan kaki dengan arus lalu lintas di daerah yang terbuka luas.

Terdapat tiga tipe dasar bundaran :

1. Bundaran normal, yaitu bundaran yang mempunyai satu sirkulasi jalan yang mengelilingi bundaran tersebut dengan diameter empat meter atau lebih dan biasanya dibagian pendekat jalannya melebar.

2. Bundaran mini, yaitu bundaran yang memiliki satu sirkulasi jalan yang mengelilingi bundaran berupa marka bundaran yang ditinggikan diameternya kurang dari empat meter dan bagian pendekat jalannya melebar atau tidak dilebarkan.

3. Bundaran ganda, yaitu persimpangan individual dengan dua buah bundaran, bundaran normal atau bundaran mini yang berdekatan.

(29)

Bundaran lebih disukai karena dapat mengurangi tundaan dan memungkinkan banyak kendaraan memotong simpang tanpa harus berhenti total (MKJI, 1997).

2.5. Kapasitas Bundar an

Kapasitas dapat didefinisikan sebagai arus lalu lintas yang dapat dipertahankan pada suatu bagian jalan dalam kondisi tertentu, dalam kendaraan/jam atau smp/jam (MKJI 1997).

Menurut HCM 1994 pengertian kapasitas adalah jumlah maksimum kendaraan yang dapat melewati suatu persimpangan atau ruas jalan selama waktu tertentu pada kondisi jalan dan lalu lintas dengan tingkat kepadatan yang ditetapkan.

2.5.1. Faktor Yang Mempengar uhi Kapasitas

Faktor yang mempengaruhi kapasitas suatu simpang menurut Oglesby dan Hick (1998) adalah :

1. Kondisi fisik simpang dan operasi, yaitu ukuran dan dimensi lebar jalan, kondisi parkir dan jumlah lajur.

2. Kondisi lingkungan, yaitu faktor jam sibuk pada suatu simpang.

3. Karakteristik gerakan lalulintas, yaitu gerakan mambelok dari kendaraan.

(30)

2.6. Konsep Bundar an

Tujuan utama dari analisis kapasitas suatu jalan adalah untuk memperkirakan jumlah lalulintas maksimum yang mampu dilayani oleh ruas jalan tersebut. Hal ini seperti yang telah diketahui bahwa suatu jalan terbatas daya tampungnya. Apabila suatu arus lalulintas yang dioprasikan mendekati atau menyamai kapasitas yang ada maka, hal ini akan menimbulkan rasa sangat tidak nyaman bagi pera pengguna jalan.

Analisis kapasitas sendiri merupakan suatu rangkaian prosedur yang dipakai untuk memperkirakan kemampuan daya tampung suatu ruas jalan terhadap arus lalulintas dalam suatu batasan kondisi operasional tertantu. Analisis ini dapat di terapkan pada fasilitas jalan yang sudah ada untuk tujuan pengembangan.

2.7. Tipe Bundar an

Bundaran efektif jika digunakan untuk persimpangan antara jalan – jalan yang sama ukurannya dan tingkat arusnya. Oleh sebab itu bundaran adalah sangat sesuai bagi persimpangan antara jalan dua lajur dan empat lajur. Tipe bundaran dapat dilihat dari Tabel 2.5 berikut ini :

(31)

Gambar 2.5 Ukuran Bundaran Lalu Lintas

2.8. Regr esi Linear

Tujuan utama dari kebanyakan penyilidikan statistik dalam dunia bisnis dan ekonomi adalah mengadakan prediksi (ramalan). Berdasarkan prediksi yang didasarkan pada keterangan statistik pengusaha dan ahli ekonomi dapat mewujudkan ramalannya dengan probabilitas yang memuaskan apabila ramalan tersebut rata – ratanya mendekati kenyataan.

Pendekatan yang demikian telah berhasil baik dalam ilmu pengetahuan alam. Misalnya pada temperatur yang konstan, hubungan antara volume suatu gas (Y) dan tekanan (X) dapat dinyatakan dengan formula.

Y = k / X...(2.8) Dimana :

(32)

Dalam ilmu ekonomi misalnya persamaan yang sederhana dan luas penggunaannya untuk menunjukkan hubungan variabel – variabel adalah persamaan linear.

Y’ = a + bX……….(2.9) Diturunkan dari model :

Y = ά + βX + μ ...(2.10) a dan b adalah bilangan konstan.

X – Variabel yang diketahui (independent variabel). Y variabel yang diramalkan (Independent variabel).

Di dalam persamaan linear, hubungan antara 2 variabel bila digambarkan secara grafis (dengan scatter diagram), semua nilai X dan Y yang sesuai dengan persamaan Y = a + bX akan jatuh pada suatu garis lurus (straight line). Garis tersebut yang dinamakan regresi line (garis regresi).

Sebenarnya hubungan antara 2 variable itu ada 2 tipe yakni : 1. Hubungan functional.

2. Hubungan regresional.

Dikatakan ada hubungan functional bila ada true value of Y untuk tiap – tiap kemungkinan nilai X dan sebaliknya. Hubungan ini kebanyakan dijumpai dalam ilmu pengetahuan alam.

Misalnya : Y = k / X...(2.11) k = bilangan konstan.

(33)

Dikatakan ada hubungan regresi bila tidak ada true value of Y untuk nilai X dan sebaliknya. Untuk tiap nilai X ada banyak nilai Y, selama Y tersebut tidak sepenuhnya ditentukan oleh X begitu pula sebaliknya.

Persamaan linear banyang kegunaannya dan penting, tidak hanya terdapatnya banyak hubungan dalam bentuk tersebut tetapi juga karena sering digunakan dalam pendekatan untuk hubungan – hubungan yang kompleks dan sukar di gambarkan.

2.9. Regr esi Kuadratik

Taksiran untuk regresi kuadratik mempunyai persamaan umum :

Y = a + bX + cX²...(2.12) Dengan koefisien – koefisien a, b dan c harus ditentukan berdasarkan data hasil pengamatan. Dengan menggunakan regresi kuadratik terkecil maka a, b dan c dapat dihitung dari sistem persamaan :

∑ Y i = na + b∑X i + c∑X 2i...(2.13) ∑X i Yi = a∑ X i + b∑2i + c∑3i...(2.14) ∑X 2i Yi = a∑2i + b∑3i + c∑X 2i...(2.15)

2.10. Sistem Infor masi Geogr afis (SIG)

(34)

Dengan memperhatikan pengertian sistem informasi, maka SIG merupakan satu kesatuan formal yang terdiri dari berbagai sumber daya fisik dan logika yang berkenaan dengan objek-objek yang terdapat di permukaan bumi. Jadi SIG juga merupakan sejenis perangkat lunak yang dapat digunakan untuk pemasukan, penyimpanan, manipulasi, dan keluaran informasi geografis berikut atribut-atributnya.

2.10.1.Konsep Dasar

Era komputerisasi telah membuka wawasan dan paradigma baru dalam proses pengambilan keputusan dan penyebaran informasi. Data yang merepresentasikan “dunia nyata” dapat disimpan dan diproses sedemikian rupa sehingga dapat disajikan dalam bentuk-bentuk yang lebih sederhana dan sesuai kebutuhan.

Sejak pertengahan 1970-an, telah dikembangkan sistem-sistem yang secara khusus dibuat untuk menangani masalah informasi yang bereferensi geografis dalam berbagai cara dan bentuk. Masalah-masalah ini mencakup:

1. Pengorganisasian data dan informasi 2. Penempatan informasi dan lokasi tertentu

3. Melakukan komputerisasi, memberikan ilustrasi keterhubungan satu sama lainnya (koneksi), beserta analisa-analisa spesial lainnya.

(35)

Pada asalnya, data geografi hanya disjikan di atas peta yang menggunakan simbol, garis dan warna. Akibatnya, peta menjadi media yang efektif baik sebagi alat presentasi maupun sebagai bank tempat penyimpanan data geografis. Tetapi, media peta masih mengandung kelemahan. Sebuah peta selalu menyediakan gambar atau simbol unsur geografi dengan bentuk yang tetap atau statik meskipun diperlukan untuk di berbagai keperluan yang berbeda.

Bila dibandingkan dengan peta, SIG memiliki keunggulan inheren karena penyimpanan data dan presentasinya dipisahkan. Dengan demikian data dapat dipresentasikan dalam berbagai cara dan bentuk.

2.10.2.Definisi

Hingga saat ini belum ada kesepakatan mengenai devinisi SIG yang baku. Sebagian besar devinisi yang diberikan di dalam berbagai pustaka masih bersifat umum, belum lengkap, tidak presisi, dan bersifat elastik, sehingga seringkali agak sulit untuk membedakan dengan sistem-sistem informasi yang masih “serumpun”.

Definisi SIG selalu berkembang, bertambah, dan bervariasi. Hal ini terlihat dari banyaknya definisi SIG yang telah beredar. Berikut merupakan sebagian kecil dari devinisi-devinisi SIG yang telah beredar di berbagai pustaka:

(36)

2. SIG adalah kombinasi perangkat keras dan perangkat lunak komputer yang memungkinkan untuk mengelola (manage), menganalisa, memetakan informasi spasial berikut data atributnya (data deskriptif) dengan akurasi kartigrafi.

3. SIG adalah sistem yang terdiri dari perangkat keras, perangkat lunak, data, manusia (brainware), organisasi dan lembaga yang digunakan untuk mengumpulkan, menyimpan, menganalisa, dan menyebarkan informasi-informasi mengenai daerah-daerah di permukaan bumi.

4. SIG adalah kumpulan yang terorganisir dari perangkat keras komputer, perangkat lunak, data geografi dan personil yang dirancang secara efisien untuk memperoleh, menyimpan, mengupdate, memanipulasi, menganalisis, dan menampilkan semua bentuk informasi yang bereferensi geografi.

2.10.3.Subsistem SIG

Jika definisi-definisi di atas diperhatikan, maka SIG dapat diuraikan menjadi beberapa subsistem sebagai berikut:

1. Data Input : subsistem ini bertugas untuk mengumpulkan dan mampersiapkan

data spasial dan atribut dari berbagai sumber.

2. Data Output : subsistem ini menampilkan atau menghasilkan keluaran seluruh

atau sebagian basis data dalam bentuk hardcopy seperti : table, grafik, peta, dan lain-lain.

(37)

4. Data Manipulation & Analisis : subsistem ini menentukan informasi-informasi

yang dapat dihasilkan oleh SIG. Selain itu, subsistem ini juga melakukan manipulasi dan pemodelan data untuk menghasilkan informasi yang diharapkan.

Jika subsistem SIG diperjelas berdasarkan uraian jenis masukan, proses, dan jenis keluaran yang ada di dalamnya, maka subsistem SIG juga dapat digambarkan sebagai berikut :

SIG merupakan sistem kompleks yang biasanya terintegrasi dengan lingkungan sistem-sistem komputer yang lain di tingkat fungsional dan jaringan. Sistem SIG terdiri dari beberapa komponen berikut (Gistut94) :

1. Perangkat Keras SIG

(38)

Perangkat keras SIG memiliki pengertian perangkat-perangkatfisik yang digunakan oleh sistem komputer. Perangkat keras ini umumnya mencakup :

1) CPU (unit pemrosesan utama) 2) RAM

3) Storage 4) Input Device 5) Output Device

6) Peripheral Lainnya, perangkat pelengkap ini merupakan bagian dari sistem komputer SIG yang belum termasuk ke dalam perangkat-perangkat yang telah disebutkan di atas.

2. Perangkat Lunak SIG

Pada sistem komputer modern, perangkat lunak yang digunakan tidak dapat berdiri sendiri, tetapi terdiri dari beberapa layer yang terdiri dari sistem operasi, program-program pendukung sistem-sistem khusus (special system utilites), dan perangkat lunak aplikasi.

Sistem operasi mengandung program-program untuk manajemen memori, akses sistem, pengendalian komunikasi, pengolahan perintah-perintah, manajemen data dan file, dan sebagainya. Special system utilities dan program-program pendukungnya terdiri dari compiler bahasa pemrograman, device driver, utility untuk

back up data, pustaka fungsi dan prosedur, dan perangkat lunak komunikasi khusus.

Perangkat lunak aplikasi terdiri dari word processing, sphread sheet, database,

presentation, dan aplikasi-aplikasi khusus lainnya seperti SIG.

(39)

terintergrasi dengan paket inti untuk menjalankan pemetaan khusus dan aplikasi analisis geografi.

3. Data dan Informasi Geografi

SIG dapat mengumpulkan dan menyimpan data dan informasi yang diperlukan baik secara tidak langsung dengan cara mengimportnya dari perangkat-perangkat lunak SIG yang lain maupun secara langsung dengan cara mendijitasi data spasialnya dari peta dan memasukkan data atributnya dari tabel-tabel dan laporan dengan menggunakan keyboard.

4. Manajemen

Suatu proyek SIG akan berhasil jika di manage dengan baik dan dikerjakan oleh orang-orang yang memiliki keahlian yang tepat pada semua tingkatan.

2.10.5.Cara Ker ja SIG

SIG dapat mempresentasikan real world (dunia nyata) di atas monitor komputer sebagaimana lembaran peta dapat mempresentasikan dunia nyata di atas kertas. Tetapi SIG memiliki kekuatan lebih dan fleksibelitas daripada lembaran peta kertas.

(40)

SIG menghubungkan sekumpulan unsur-unsur peta dengan atribut-atributnya di dalam satuan-satuan yang disebut layer. Kumpulan dari layer-layer ini akan membentuk basisdata SIG. Dengan demikian, perancangan basisdata merupakan hal yang esensial di dalam SIG. Rancangan basisdata akan menentukan efektifitas dan efisiensi proses-proses masukan, pengelolaan, dan keluaran SIG.

2.11. Model Data

Model data adalah formalisme matematis yang mencakup notasi untuk mendeskripsikan (menggambarkan) data dan sekumpulan operasi yang di gunakan untuk memanipulasi data. Model data juga merupakan cara yang digunakan untuk menggorganisasikan sekumpulan fakta mengenai sistem yang sedang diamati, cara atau konsep berfikir mengenai dunia nyata, dan cara atau konsep dalam

mengorganisasikan fenomena-fenomena yang sedang diamati.

2.11.1. Respr esentasi Gr afis suatu Objek

Informasi grafis suatu objek dapat dimasukkan dalam bentuk : • Titik (Tanpa Dimensi)

• Garis (Satu Dimensi) • Poligon (Dua Dimensi) • Objek Tiga Dimensi

2.11.2.Titik (tanpa dimensi)

(41)

dapat ditampilkan pada layar monitor dengan menggunakan simbol-simbol. Sebagaimana telah umum digunakan untuk penggambaran sudut-sudut persil dan bangunan.

2.11.3.Gar is (satu dimensi)

Garis adalah bentuk linier yang akan menggunakan paling sedikit dua titik dan digunakan untuk meresentasikan objek-objek satu dimensi. Batas-batas poligon merupakan garis-garis, demikian pula dengan jaringan listrik, komunikasi, pipa air minum, saluran pembuangan dan utiliti lainnya.

2.11.4. Poligon (dua dimensi)

Poligon digunakan untuk merepresentasikan objek-objek dua dimensi. Suatu danau, batas propinsi, batas kota, batas-batas persil tanah milik adalah tipe-tipe entity yang pada umumnya diresperentasikan sebagai poligon. Suatu poligon paling sedikit dibatasi oleh tiga garis yang saling terhubung di antara ketiga titik tersebut.

2.11.5. Objek Tiga Dimensi

(42)

2.12. Univer sal Tr ansver se Mer cator (UTM)

Salah satu sistem proyeksi peta yang terkenal dan sering digunakan adalah UTM. Pada sistem proyeksi ini didefinisikan posisi horizontal dua dimensi (x,y)utm dengan menggunakan proyeksi selinder, tranversal, dan konform yang memotong bumi pada dua meridian standard. Meridian standard ini diproyeksikan secara ekuidistan. Seluruh permukaan burni, dalarn sistem koordinat ini, dibagi menjadi 60 bagian yang disebut sebagai zone UTM. Setiap zone ini dibatasi uleh dua meridian selebar 6o dan memiliki meridian tengah sendiri. Sebagai contoh, zone 1 dimulai dari 180° BB hingga 174° BB, zone 2 dan i 174° BB hingga 168° BB, terus ke arah timur hingga zone 60 yang dimulai dari 174° BT hingga 180° BT.

Batas lintang di dalam sistem koordinat ini adalah 80o LS hingga 84° LU. Setiap bagian derajat memiliki lebar 8° yang pembagiannya dimulai dan i 80° LS ke arah utara. Bagian derajat dari bawah (LS) dinotasikan dimulai dari C, D, E, F, hingga X (tetapi huruf I dan 0 tidak digunakan). Jadi, bagian derajat 80° LS hingga 72° LS diberi notasi C, 72° LS hingga 64° LS diberi notasi D, 64° LS hingga 56° LS diberi notasi E, dan seterusnya.

(43)

Gambar 2.7 Pembagian Zone UTM (sumber Earth20)

Gambar 2.8 Salah Satu Zone UTM

Wilayah Indonesia terbagi dalam 9 zone UTM, mulai dari meridian 90° BT hingga meridian 1440 BT dengan batas paralel (lintang) 110 LS hingga 6° LU. Dengan demikian, wilayah Indonesia dimulai dari zone 46 (meridian sentral 93° BT) hingga zone 54 (meridian sentral 141° BT).

2.13. Model Data Spasial Dalam Sistem Infor masi Geogr afis

(44)

direspresentasikan didalam basisdata sebagai raster atau rektor. Di dalam konteks ini, sering di gunakan terminologi (model data) sehingga untuk menyajikan enitity spasial digunakan model data raster dan data rektor.

2.13.1.Model Data Raster

Model data raster menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan struktur matriks atau piksel-piksel yang membentuk grip. Setiap sel atau piksel ini memiliki atribut tersendiri, termasuk koordinatnya yang unik (di sudut grip (pojok), di pusat grip, atau ditempat yang lainnya). Akurasi model data ini sangat bergantung pada resolusi atau ukuran pikselnya (sel grip) di permukaan bumi. Contoh sumber-sumber entity spasial raster adalah citra satelit misalnya NOAA, Spot, Landsat, Ikonos, dll. Dengan model data raster data geografi ditandai oleh nilai-nilai (bilangan) elemen matriks persegi panjang dari suatu objek. Secara konseptual data raster merupakan model data spasial yang paling sederhana.

(45)

Gambar 2.10 Tampilan Struktur Model Data Raster

Gambar 2.11 Tampilan Data Spasial Model Raster (Citra)

2.13.2.Model Data Vektor

(46)

atau kurva (bujur atau arcs) merupakan sekumpulan titik-titik terurut yang saling terkait secara dinamis dengan menggunakan pointer.

Di samping memakai asumsi koordinat eksak secara matematis model data vektorjuga menggunakan relasi-relasi implisit yang memungkinkan penyimpanan data bersifat kompleks ke dalam ruang (disk) yang kecil sekalipun.

Data vektor terdiri dari beberapa komponen berikut : 1.Entity titik

Yaitu meliputi semua objek geografis yang dikaitkan dengan pasangan koordinat (x, y). Sebagai contoh sebuah titik bisa saja merupakan suatu simbol yang memuat informasi karakter-karakter yang akan ditampilkan, font (style) yang digunakan, perangkat teks (ringht, center, left), skala dan orientasi.

2.Entity Garis

Entity garis dapat didenifisikan sebagai semua unsur-unsur linier yang dibangun dengan menggunakan segmen-segmen garis lurus yang dibentuk oleh dua titik koordinat atau lebih (Burrough94). Entity garis yang paling sederhana memerlukan ruang untuk menyimpan titik awal dan titik akhir (dua pasangan koordinat x,y). Misalnya untuk menganalisis jaringan drainase atau jalan raya, dan trasportasi. 3.Entity Area atau Poligon

(47)

4.Area atau Poligon Sederhana

Cara yang paling sederhana untuk merespresentasikan suatu poligon adalah pengembangan dari cara yang digunakan untuk mereprentasikan chin atau arc yang sederhana yaitu merepresentasikan setiap poligon sebagai sekumpulan kooardinat (x, y) sehingga menjadi sekumpulan entity teks sederhana.

Gambar 2.12 Tampilan Permukaan Bumi & Layer (s) Model Data Vektor

Berikut adalah tampilan salah satu Model Data Vektor (beberapa layer format shapefile Arview) yang menggambarkan informasi bangunan, jalan, jaringan utilitas, dan lokasi sumur bor.

(48)

BAB III METODOLOGI

3.1. Metodologi Penelitian.

Metodologi penelitian menggambarkan langkah – langkah yang akan dilakukan untuk mempermudah dan memperjelas topic yang akan dibahas.

Adapun langkah – langkah yang akan ditempuh dalam studi analisa ini secara garis besar adalah :

1. Pengumpulan Data.

2. Mengadakan servey di daerah rawan kecelakaan. 3. Melakukan analisa data.

3.2. Pengumpulan Data.

Untuk mengumpulkan data diperlukan data sekunder yang didapat dari instansi terkait yaitu :

1. Data kecelakaan yang meliputi : a. Lokasi kecelakaan.

(49)

3.3. Sur vey Lapangan Di Daer ah Rawan Kecelakaan

Dari gambaran data sekunder tentang daerah rawan kecelakaan (black spot) maka ditindak lanjuti dengan melakukan survey lapangan untuk mendapatkan data – data primer sebagai berikut :

1. Data geometrik jalan

2. Data volume kendaraan pada jam puncak.

3.4. Analisa Data.

Dari data – data yang didapatkan, maka dilakukan suatu analisa data tentang : 1. Analisa regresi

2. Derajat kejenuhan

3. Daerah rawan kecelakaan lalu lintas.

3.5. Der ajat Kejenuhan

Derajat kejenuham (DS) didefinisikan sebagai rasio arus terhadap kapasitas, digunakan sebagai faktor utama dalam penentuan tingkat kinerja simpang dan segmen jalan. Nilai DS menunjukkan apakah segmen jalan mempunyai masalah kapasitas atau tidak.

Dari definisi Derajat Kejenuhan, dapat di ekspresikan sebagai :

Dimana:

DS = Derajat Kejenuhan Q DS =

(50)

Q = Arus lalu lintas (smp/jam) C = Kapasitas jalan (smp/jam)

Derajat kejenuhan (DS) dihitung dengan menggunakan arus dan kapasitas dinyatakan dalam smp/jam. Derajat Kejenuhan digunakan untuk analisa tingkat kinerja yang berkaitan dengan kecepatan.

3.6. Kapasitas J alan

C = 135 x Ww1,3 x (1+We/Ww)1,5 x (1-Pw/3)0,5 x (1+Ww/Lw)-1,8 x Fcs x Frsu Keterangan :

We = (lebar masuk rata – rata) = ½ (W1 + W2) Ww = Lebar jalinan

Lw = Panjang jalinan Pw = Rasio jalinan

Fcs = Faktor penyesuaian ukuran kota Frsu = Faktor penyesuaian tipe lingkaran

3.7. Data Base / Data Atr ibut.

Atribut yang tercantum dalam tabulasi :

1. Segmen Ruas Jalan ( Segmen I – Segmen III) 2. Nama Jalan

(51)

4. Panjang Jalan

5. Lokasi Titik Rawan Kecelakaan 6. Derajat Kejenuhan (DS)

7. Kapasitas (C)

(52)

BAB IV

ANALISA DATA DAN PEMBAHASAN

4.1. Sur vey J umlah Kendar aan Pada Bundar an War u

Data jumlah kendaraan yang di peroleh melalui survey dilapangan di setiap ruas Jalan Bundaran Waru yang dibagi dalam 3 segmen yaitu Segmen I arah dari Jalan A.Yani Surabaya, Segmen II arah dari Jalan A. Yani Sidoarjo, Sedangkan segmen III arah dari Jalan Dukuh Menanggal. Data yang didapat kemudian diolah dan dianalisa dengan menggunakan rumus dan teori rekayasa lalu lintas. Survey dilakukan pada tanggal Senin, 6 Februari 2012 – Rabu, 8 Februari 2012. Dimulai pada jam puncak (peak Hour) yaitu pukul 07.00 – 08.00 pagi dan pada pukul 16.00 – 17.00 sore.

4.2. Kapasitas J alan

C = 135 x Ww1,3 x (1+We/Ww)1,5 x (1-Pw/3)0,5 x (1+Ww/Lw)-1,8 x Fcs x Frsu Keterangan :

We = (lebar masuk rata – rata) = ½ (W1 + W2) Ww = Lebar jalinan

Lw = Panjang jalinan Pw = Rasio jalinan

(53)

Frsu = Faktor penyesuaian tipe lingkungan

Kapasitas bundaran pada keadaan lalu-lintas lapangan (ditentukan oleh hubungan antara semua gerakan) dan kondisi lapangan, didefinisikan sebagai arus lalu-lintas total pada saat bagian jalinan yang pertama mencapai kapasitasnya.

4.3. Data Kar akter istik J alan Dan J umlah Kendar aan Pada Setiap Segmen Ruas J alan Bundaran War u.

1. SEGMEN I

Nama Jalan : Jl. Jendral Ahmad Yani Panjang Jalan : 188 m

Tipe Jalan : 5/1 Lebar Jalan : 19,1 m

Penelitian : 06 Februari 2012 (07.00 - 08.00 / 16.00 - 17.00 WIB)

Berikut adalah tabel survey jumlah kendaraan di segmen I ruas Jalan A. Yani Surabaya pada waktu pagi hari yang ditunjukkan pada tabel 4.1 di bawah ini :

Tabel 4.1 Jumlah Kendaraan di Ruas Jalan Jendral A. Yani ( Pagi Hari )

Waktu MC (Motor Cycle) LV (Light Vehicle) HV (Heavy Vehicle)

07.00 - 07.15 1274 555 25

07.15 - 07.30 1295 577 24

07.30 - 07.45 1281 562 26

07.45 - 08.00 1216 534 28

Σ 5066 2228 103

Sumber : Hasil Survey Lapangan dan Hasil Perhitungan

(54)

0 A Pagi LV (Light Vehicle) A Pagi HV (Heavy Vehicle)

Gambar 4.1 Grafik Volume Kendaraan Segmen I Pagi Hari dari Jl Jendral Ahmad Yani Surabaya.

Berikut adalah tabel survey jumlah kendaraan di segmen I ruas Jalan A. Yani Surabaya pada waktu sore hari yang ditunjukkan pada tabel 4.2 di bawah ini :

Tabel 4.2 Jumlah Kendaraan di Ruas Jalan Jendral A.Yani ( Sore Hari )

16.00 - 16.15 1512 666 24

16.15 - 16.30 1559 663 21

16.30 - 16.45 1533 636 18

16.45 - 17.00 1537 612 15

Σ 6141 2572 78

(55)

0

Gambar 4.2 Grafik Volume Kendaraan Segmen I Sore Hari dari Jl Jendral Ahmad Yani Surabaya.

2. SEGMEN II

Nama Jalan : Jl. A. Yani Sidoarjo Panjang Jalan : 201,3 m

Tipe Jalan : 4/1 Lebar Jalan : 17.3 m

Berikut adalah tabel survey jumlah kendaraan di segmen II ruas Jalan A. Yani Sidoarjo pada waktu pagi hari yang ditunjukkan pada tabel 4.3 di bawah ini :

Tabel 4.3 Jumlah Kendaraan di Ruas Jalan A. Yani Sidoarjo ( Pagi Hari )

07.00 - 07.15 1256 534 27

07.15 - 07.30 1289 516 18

07.30 - 07.45 1345 569 24

07.45 - 08.00 1420 675 32

Σ 5310 2294 101

(56)

0

Gambar 4.3 Grafik Volume Kendaraan Segmen II Pagi Hari dari Jl Jendral Ahmad Yani, Sidoarjo.

Berikut adalah tabel survey jumlah kendaraan di segmen II ruas Jalan A. Yani Sidoarjo pada waktu sore hari yang ditunjukkan pada tabel 4.4 di bawah ini :

Tabel 4.4 Jumlah Kendaraan di Ruas Jalan A. Yani Sidoarjo ( Sore Hari )

16.00 - 16.15 1067 489 23

16.15 - 16.30 1148 457 16

16.30 - 16.45 1181 516 26

16.45 - 17.00 1208 544 21

Σ 4604 2006 86

(57)

0

Gambar 4.4 Grafik Volume Kendaraan Segmen II Sore Hari dari Jl Jendral Ahmad Yani, Sidoarjo.

3. SEGMEN III

Nama Jalan : Jl. Dukuh Menanggal Panjang Jalan : 213,9 m

Tipe Jalan : 5/1 Lebar Jalan : 17,5 m

Berikut adalah tabel survey jumlah kendaraan di segmen III ruas Jalan Dukuh Menanggal pada waktu pagi hari yang ditunjukkan pada tabel 4.5 di bawah ini : Tabel 4.5 Jumlah Kendaraan di Ruas Jalan Dukuh Menanggal ( Pagi Hari )

07.00 - 07.15 1593 621 29

07.15 - 07.30 1663 638 31

07.30 - 07.45 1672 656 24

07.45 - 08.00 1686 653 28

Σ 6614 2568 112

(58)

Gambar 4.5 Grafik Volume Kendaraan Segmen III Pagi Hari dari Jl Dukuh Menanggal.

Berikut adalah tabel survey jumlah kendaraan di segmen III ruas Jalan Dukuh Menanggal pada waktu sore hari yang ditunjukkan pada tabel 4.6 di bawah ini : Tabel 4.6 Jumlah Kendaraan di Ruas Jalan Dukuh Menanggal ( Sore Hari )

16.00 - 16.15 1442 561 19

16.15 - 16.30 1431 572 19

16.30 - 16.45 1361 547 20

16.45 - 17.00 1325 511 14

Σ 5559 2191 72

(59)

0

Gambar 4.6 Grafik Volume Kendaraan Segmen III Sore Hari dari Jl Dukuh Menanggal.

4.3.1 Per hitungan Kapasitas (C) dan Der ajat Kejenuhan (DS) pada Setiap Segmen Ruas J alan Bundar an War u, Surabaya.

A. SEGMEN - I

1. Perhitungan Nilai Kapasitas (C) dan Derajat Kejenuhan (DS) Nama Jalan : Jl. Jendral A. Yani

Tipe Jalan : 5/1

Waktu : Pagi Hari (07.00 – 08.00)

(60)

SEGMEN I LW 188m

Gambar 4.7 Data Geometrik Segmen I Jumlah Kendaraan (Q) :

- MC = 5066 x 0,5 = 2533 smp/jam - LV = 2028 x 1 = 2028 smp/jam - HV = 103 x 1,3 = 133,9 smp/jam Jadi :

C = 135xWw1,3 x(1+We/Ww)1,5 x(1-Pw/3)0,5 x(1+Ww/Lw)-1,8 xFcs xFrsu C = 135x19,11,3x(1+11/19,1)1,5x(1-0,85/3)0,5x(1+19,1/188)-1,8x1x0,92

= 8086,92 smp/jam

(61)

Waktu : Sore Hari (16.00 – 17.00)

Diketahui : Data – data yang diperoleh pada segmen I : We = 11 m

Ww = 19,1 m Lw = 188 m Pw = 0,85 Fcs = 1 Frsu = 0,92

SEGMEN I LW 188m

Ww 19,1m W1 11,5m

W2 10,5

m

Gambar 4.8 Data Geometrik Segmen I Jumlah Kendaraan (Q) :

C = 135 x Ww1,3 x(1+We/Ww)1,5 x(1-Pw/3)0,5 x(1+Ww/Lw)-1,8 xFcs xFrsu C = 135 x 19,11,3x(1+11/19,1)1,5x(1-0,85/3)0,5x(1+19,1/188)-1,8x1x0,92 = 8086,92 smp/jam

(62)

= 5743,9 smp/jam

Tingkat Pelayanan (LOS) = C (Kondisi arus stabil, kecepatan makin terbatas)

B. SEGMEN - II

2. Perhitungan Nilai Kapasitas (C) dan Derajat Kejenuhan (DS) Nama Jalan : Jl. Jendral A. Yani

Tipe Jalan : 4/1

Waktu : Pagi Hari (07.00 – 08.00)

Diketahui : Data – data yang diperoleh pada segmen II : We = 12,75 m

Gambar 4.9 Data Geometrik Segmen II Jumlah Kendaraan (Q) :

(63)

- LV = 2294 x 1 = 2294 smp/jam - HV = 101 x 1,3 = 131,3 smp/jam Jadi :

C = 135 x Ww1,3 x(1+We/Ww)1,5 x(1-Pw/3)0,5 x(1+Ww/Lw)-1,8 xFcs xFrsu C = 135x17,31,3x(1+12,75/17,3)1,5x(1-0,85/3)0,5x(1+17,3/201,3)-1,8x1x0,92 = 8442,79 smp/jam

Tingkat Pelayanan (LOS) = C (Kondisi arus stabil, kecepatan makin terbatas)

Waktu : Sore Hari (16.00 – 17.00)

(64)

Ww 17,3m

Gambar 4.10 Data Geometrik Segmen II Jumlah Kendaraan (Q) :

(65)

C. SEGMEN - III

3. Perhitungan Nilai Kapasitas (C) dan Derajat Kejenuhan (DS) Nama Jalan : Jl. Dukuh Menanggal

Tipe Jalan : 5/1

Waktu : Pagi Hari (07.00 – 08.00)

Diketahui : Data – data yang diperoleh pada segmen III : We = 8,75 m

Gambar 4.11 Data Geometrik Segmen III Jumlah Kendaraan (Q) :

- MC = 6614 x 0,5 = 3307 smp/jam - LV = 2568 x 1 = 2568 smp/jam - HV = 112 x 1,3 = 145,6, smp/jam

Jadi :

(66)

= 6924,56 smp/jam

Tingkat Pelayanan (LOS) = D (Kondisi arus tidak stabil, kecepatan menurun)

Waktu : Sore Hari (16.00 – 17.00)

Diketahui : Data – data yang diperoleh pada segmen III : We = 8,75 m

Gambar 4.12 Data Geometrik Segmen III

Jumlah Kendaraan (Q) :

(67)

- HV = 72 x 1,3 = 93,6 smp/jam Jadi :

Tingkat Pelayanan ( LOS ) = C (Kondisi arus stabil, kecepatan makin terbatas)

Dari hasil peritungan di atas diperoleh hasil rekapitulasi jumlah kendaraan diruas Jalan Bundaran Waru pada tabel 4.7 sebagai berikut :

Tabel 4.7 Hasil Rekapitulasi Jumlah Kendaraan Diruas Jalan Bundaran Waru.

(68)

0,87 dan Tingkat Pelayanan LOS ( Level Of Service ) adalah D yang definisinya arus lalu lintas tidak stabil dan perubahan volume lalu lintas sangat mempengaruhi besarnya kecepatan perjalanan.

4.4. Analisa Kecelakaan Tiap Segmen Berdasar kan J enis Tipe Kendar aan dan J enis Kor ban Luka Kecelakaan, Sur abaya.

I. Analisa Ber dasar kan J enis Tipe Kendaraan dan Penyeber ang J alan.

Berikut ini adalah tabel data jumlah kendaraan dan penyeberang jalan yang terlibat kecelakaan selama kurun waktu 5 tahun terakhir dari tahun 2007 sampai tahun 2011 yang diperoleh dari Satlantas Polres Surabaya Utara, dapat dilihat pada tabel 4.8 di bawah ini :

Segmen I : Jl. Bundaran Waru Sisi Timur Segmen II : Jl. Bundaran Waru Sisi Selatan Segmen III : Jl. Bundaran Waru Sisi Utara

Tabel 4.8 Jenis Tipe Kendaraan dan Penyeberang Jalan

Segmen

(69)

Rincian perhitungan tabel 4.8

Untuk kolom 2 sampai dengan kolom 4.

1. Menghitung jumlah jenis tabrakan tiap segmen (Tahun 2007 – 2011). - Segmen I : 39 + 19 + 3 + 4 = 65

- Segmen II : 28 + 12 + 9 + 8 = 57 - Segmen III : 34 + 5 + 1 + 11 = 51 - Total : 101 + 36 + 13 + 23 = 173

2. Menghitung Jumlah Total Tiap Jenis Tipe Kendaraan (Tahun 2007 – 2011).

- Total MC : 39 + 28 + 34 = 101

- Total LV : 19 + 12 + 5 = 36

- Total HV : 3 + 9 + 1 = 13

- Total Penyeberang Jalan : 4 + 8 + 11 = 23

3. Menghitung Rata – Rata (Tahun 2007 – 2011).

(70)

- Rata – Rata Penyeberang Jalan : 4. Menghitung % Rata – Rata Total (Tahun 2007 – 2011).

- MC

(71)

II. Analisa Ber dasar kan J enis Kor ban Luka

Berikut ini adalah tabel data jenis korban luka yang terlibat kecelakaan di ruas Jalan Bundaran Waru yang diperoleh dari Satlantas Polres Surabaya Utara, dapat dilihat pada tabel 4.9 di bawah ini :

Tabel 4.9 Jenis Korban Luka

Segmen Th. 2007-2011 Th. 2007-2011 Th. 2007-2011

Segmen I 3 8 20 31

Sumber : Satlantas Polres Surabaya Utara dan Hasil Perhitungan

Rincian perhitungan tabel 4.9

Untuk kolom 2 sampai dengan kolom 3.

1. Menghitung Jumlah Jenis Korban Luka Tiap Segmen (Tahun 2007 – 2011). - Segmen I : 3 + 8 + 20 = 31

(72)

2. Menghitung Jumlah Total Jenis Korban Luka (Tahun 2007 – 2011). - Total Korban Meninggal Dunia : 3 + 6 + 2 = 11 - Total Korban Luka Berat : 8 + 7 + 8 = 23 - Total Korban Luka Ringan : 20 + 10 + 17 = 47

3. Menghitung Rata – Rata (Tahun 2007 – 2011).

- Rata – Rata Korban Meninggal Dunia :

∑

4. Menghitung % Rata – Rata Total (Tahun 2007 – 2011). - Korban Meninggal Dunia

= - Korban Luka Berat

=

∑

Perlokasi Berat

(73)

= 23 / 81 (x 100 %) = 28,39 % - Korban Luka Ringan

=

∑

Perlokasi Ringan

x 100%

= 47 / 81 (x 100%) = 58,02 %

Dari perhitungan analisa jenis korban luka kecelakaan, ruas segmen jalan yang paling rawan kecelakaan yaitu pada ruas segmen I pada ruas Jalan Bundaran Waru Sisi Timur dengan jumlah 31 korban kecelakaan dan jenis korban luka yang sering terjadi adalah korban luka ringan sebanyak 47 korban dengan prosentase tertinggi 58,02 %.

4.5. Per hitungan Regr esi Kuadr atik Berdasa rkan J umlah Kendaraan Dan Penyeber a ng J alan Yang Ter libat Kecelakaan Selama 5 Tahun Terakhir .

Berikut ini adalah tabel data jumlah kendaraan dan penyeberang jalan yang terlibat kecelakaan selama kurun waktu 5 tahun terakhir dari tahun 2007 sampai tahun 2011 yang diperoleh dari Satlantas Polres Surabaya Utara, dapat dilihat pada tabel 4.10 di bawah ini :

Tabel 4.10 Jumlah Kendaraan dan Penyeberang Jalan Yang Terlibat Kecelakaan.

Tahun MC LV HV Penyeberang Jalan

(74)

Di dalam persamaan linear, hubungan antara dua variabel bila di gambarkan secara grafis (Scatter Diagram), semua nilai x dan y yang sesuai dengan persamaan y = a x² + b x + C akan jatuh pada suatu garis lurus (Straight Line) garis tersebut dinamakan Garis Regresi (Regression Line).

Sebenarnya hubungan antara dua variabel ada dua type yaitu : 1. Hubungan Functional

2. Hubungan Regressional

Perhitungan yang digunakan dalam penelitian kali ini yaitu dengan persamaan Regresi Linear.

1. Per hitungan Regr esi Angka Kecelakaan Motor Cycle (MC) Misal : X (Tahun)

Y (Jumlah Angka Kecelakaan)

Berikut ini adalah tabel perhitungan regresi non linier yang dimana X (tahun) terhadap variabel Y (jumlah angka kecelakaan), dapat dilihat pada tabel 4.11 di bawah ini :

Tabel 4.11 Perhitungan Regresi Angka Kecelakaan Motor Cycle. (MC)

X Y

x2 x3 x4 x.y x².y

( Tahun ) ( MC )

1 23 1 1 1 23 23

2 17 4 8 16 34 68

3 15 9 27 81 45 135

4 18 16 64 256 72 288

5 29 25 125 625 145 725

∑ = 15 102 55 225 979 319 1239

(75)

(76)

Δ 2 = = 13621440 – 13596240

= 25200

(77)

2. Per hitungan Regr esi Angka Kecelakaan Light Vehichle (LV) Misal : X (Tahun)

Tabel 4.12 Perhitungan Regresi Angka Kecelakaan Light Vehicle (LV)

X Y

x2 x3 x4 x.y x².y

( Tahun ) ( LV )

1 5 1 1 1 5 5

2 8 4 8 16 16 32

3 9 9 27 81 27 81

4 7 16 64 256 28 112

5 7 25 125 625 35 175

∑ = 15 36 55 225 979 111 405

Sumber : Data Satlantas Polres Surabaya Utara dan Hasil Perhitungan

Maka didapat persamaan untuk jumlah angka kecelakaan Light Vehicle (LV) : Y = - 0,642 x2 + 4,175 x + 1.8

3. Per hitungan Regr esi Angka Kecelakaan Heavy Vehichle (HV) Misal : X (Tahun)

(78)

Tabel 4.13 Perhitungan Regresi Angka Kecelakaan Heavy Vehicle (HV)

Maka didapat persamaan untuk jumlah angka kecelakaan Heavy Vehicle (HV) : Y = 0,5 x2 – 2,7 x + 5,2

4. Per hitungan Regr esi Angka Kecelakaan Pejalan Kak i atau Penyeberang J alan.

Misal : X (Tahun)

Tabel 4.14 Perhitungan Regresi Angka Kecelakaan Pejalan Kaki atau Penyeberang

X Y

(79)

4.6. Per hitungan Regr esi Linier Ber dasarkan Volume Lalu Lintas Har ian Rata – Rata (LHR) Bundar an War u Selama 5 Tahun.

Berikut ini merupakan tabel data jumlah volume kendaraan pada tahun 2006 sampai tahun 2010 yang dipeoleh dari Dinas Perhubungan Surabaya, dapat dilihat pada tabel 4.15 di bawah ini :

Tabel 4.15 Volume Lalu Lintas Harian Kendaraan Di Jalan Bundaran Waru.

No Tahun MC LV HV

1 2006 39516 8691 6131

2 2007 40361 8974 6485

3 2008 41737 8746 6795

4 2009 43189 9263 7069

5 2010 45165 9509 7174

Σ 10040 209968 45183 33654

Sumber : Data Dinas Perhubungan Surabaya

Di dalam persamaan linear, hubungan antara dua variabel bila di gambarkan secara grafis (ScatterDiagram), semua nilai x dan y yang sesuai dengan persamaan y = a x + b akan jatuh pada suatu garis lurus (Straight Line) garis tersebut dinamakan Garis Regresi (Regression Line).

Sebenarnya hubungan antara dua variabel ada dua type yaitu : 1. Hubungan Functional

2. Hubungan Regressional

(80)

1. Per hitungan Regr esi LHR Motor Cycle (MC) Misal : X (Tahun)

Y (Volume LHR Kendaraan)

Berikut adalah tabel perhitungan regresi linier dimana variable X (tahun) terhadap variabel Y (volume LHR Motor Cycle), dapat dilihat pada tabel 4.16 di bawah ini : Tabel 4.16 Perhitungan Regresi LHR Motor Cycle (MC)

No Tahun ( X ) MC ( Y ) x2 y2 x.y

Sumber : Data Dinas Perhubungan, Surabaya dan Hasil Perhitungan

(81)

a =

Jadi sesuai dengan rumus Regresi Linear :

Maka didapat persamaan untuk Volume LHR Motor Cycle (MC) : Y = 1412,6 x - 2794507

2. Per hitungan Regr esi LHR Light Vehichle (LV) Misal : X (Tahun)

Berikut adalah tabel perhitungan regresi linier dimana variable X (tahun) terhadap variabel Y (volume LHR Light Vehicle), dapat dilihat pada tabel 4.17 di bawah ini : Tabel 4.17 Perhitungan Regresi LHR Light Vehicle (LV)

No Tahun ( X ) LV ( Y ) x2 y2 x.y

(82)

y =

Maka didapat persamaan untuk Volume LHR Light Vehichle (LV) : Y = 179,1 x - 350530

(83)

3. Per hitungan Regr esi LHR Heavy Vehichle (HV) Misal : X (Tahun)

Berikut adalah tabel perhitungan regresi linier dimana variable X (tahun) terhadap variabel Y (volume LHR Heavy Vehicle), dapat dilihat pada tabel 4.18 di bawah ini : Tabel 4.18 Perhitungan Regresi LHR Heavy Vehicle (HV)

No Tahun ( X ) HV ( Y ) x2 y2 x.y

(84)

a =

Maka didapat persamaan untuk Volume LHR Heavy Vehichle (HV) : Y = 267 x – 529405

Dari hasil perhitungan persamaan regresi diatas diperoleh hasil R2 (Derajat Determinasi) berdasarkan jenis kendaraan yang terlibat kecelakaan dan jumlah volume kendaraan harian (LHR) dapat dilihat pada tabel 4.19 di bawah ini :

Tabel 4.19 Hasil Persamaan Regresi Linear dan R2 (Derajat determinasi)

Berdasarkan Jenis Kendaraan Yang Terlibat Kecelakaan dan Jumlah Volume LHR Jenis Kendaraan

Sumber : Statistik Terapan dan Hasil Perhitungan