Decision Rule Kecelakaan Lalu Lintas di Daerah Istimewa Yogyakarta Menggunakan Metode If Then Rule Pada Rough Set

(1)

1

Decision Rule Kecelakaan Lalu Lintas di Daerah Istimewa

Yogyakarta Menggunakan Metode If Then Rule Pada Rough Set

Sisca Isa Bella

1,*

_{, Ayundyah Kesumawati}

1

_{, Ika Purnamasari}

2

1_{Program Studi Statistika, Universitas Islam Indonesia} 2_{Program Studi Statistika, Universitas Mulawarman}

Email korespondensi: [email protected]

Abstrak Indonesia masuk sebagai salah satu negara dengan tingkat kecelakaan lalu lintas yang

tinggi didunia dan menduduki peringkat kelima lima sebagai Negara dengan jumlah kematian terbanyak di dunia. Salah satu faktor yang menyebabkaan tingginya angka kecelakaan lalu lintas adalah kecepatan, kepadatan dan volume lalu lintas. Daerah Istimewa Yogyakarta (DIY) merupakan salah satu provinsi yang padat penduduk. Kepadatan penduduk tersebut juga berdampak pada sektor transportasi terutama kendaraan bermotor. Pertumbuhan kendaraan bermotor di Daerah Istimewa Yogyakarta selama tahun 2012 mencapai angka 127.926 kendaraan baru, dimana pertumbuhan ini hanya terdeteksi berdasarkan jumlah kendaraan yang melakukan pembayaran pajak atau mutasi menggunakan plat AB dan belum termasuk kendaraan plat luar daerah yang masuk ke wilayah Daerah Istimewa Yogyakarta. Tingginya volume kendaraan yang ada di Daerah Istimewa Yogyakarta menyebabkan potensi angka kecelakaan lalu lintas tinggi. Tujuan dari makalah ini untuk mengetahui decision rule pada data kecelakaan lalu lintas di Daerah Istimewa Yogyakarta menggunakan rough set. Decision rule yang didapatkan dari faktor certainty dengan tingkat luka berat dapat diambil kesimpulan berdasarkan nilai terbesar adalah waktu kejadian padat kendaraan yang terlibat adalah bus dengan lainnya, maupun mobil penumpang dengan truck, dan waktu kejadian sepi, kendaraan yang terlibat bus dengan lainnya maupun mobil penumpang dengan lainnya, selalu menyebabkan kecelakaan dengan tingkat luka berat.

Kata kunci: kecelakaan lalu lintas, daerah istimewa yogyakarta. decision rule, rough set. Pendahuluan

Sarana transportasi sangatlah penting peranannya terutama untuk meningkatkan keterjangkauan ke suatu wilayah. Di Indonesia, sarana transportasi bermacammacam salah satunya adalah transportasi darat. Salah satu sarana transportasi darat yang berkembang dengan pesat adalah kendaraan bermotor. Kendaraan bermotor menjadi alternatif pilihan terbanyak dibandingkan alat transportasi lainnya. Hal ini disebabkan mudahnya mendapatkan sarana tranportasi ini dengan harganya yang relatif murah serta kemudahan dalam mengendarainya. Namun, jumlah kendaraan bermotor yang semakin meningkat menyebabkan pertumbuhan kecelakaan lalu lintas juga semakin meningkat.

Indonesia masuk sebagai salah satu negara dengan tingkat kecelakaan lalu lintas yang tinggi didunia. Menurut catatan Kepolisisan Republik Indonesia, jumlah kecelakaan lalu lintas yang terjadi di Indonesia tahun 2013 sebanyak 101.037 dengan jumlah korban meninggal dunia 25.157 orang. Tingginya tingkat kematian akibat kecelakaan lalu lintas ini membuat Indonesia menduduki peringkat ke lima sebagai Negara dengan jumlah kematian terbanyak di dunia.

Sehingga, tidak mengherankan jika kecelakaan lalu lintas menduduki posisi ketiga sebagai pembunuh terbesar di Indonesia dibawah penyakit jantung coroner dan TBC

Timbulnya kecelakaan lalu lintas dijalan raya yang semakin meningkat disebabkan berbagai macam faktor diantaranya yaitu kondisi lingkungan, perilaku pengemudi, karakteristik kendaraan dan karakteristik lalu lintas. Secara empiris kecelakaan biasanya didekati dan dihubungkan secara matematis dengan tiga karakteristik dasar lalu lintas yaitu kecepatan,kepadatan dan volume lalu lintas.

Daerah Istimewa Yogyakarta (DIY) merupakan salah satu provinsi yang padat penduduk. Kepadatan penduduk di Daerah Istimewa Yogyakarta berdampak pada sektor transportasi terutama pada pertumbuhan kendaraan bermotor, selama tahun 2012 mencapai angka 127.926 kendaraan baru, dimana pertumbuhan ini hanya terdeteksi berdasarkan jumlah kendaraan yang melakukan pembayaran pajak atau mutasi menggunakan plat AB dan belum termasuk kendaraan plat luar daerah yang masuk ke wilayah Daerah Istimewa Yogyakarta [1]. Tingginya volume kendaraan yang ada di Daerah Istimewa Yogyakarta menyebabkan potensi angka kecelakaan lalu lintas tinggi.

(2)

2 Pada tahun 2013, jumlah kecelakaan lalu lintas di Daerah Istimewa Yogyakarta mencapai 3.631 kasus dengan korban yang mengalami luka ringan seebanyak 5.397 orang, 128 orang luka berat dan 353 orang meninggal dunia [2].

Berdasarkan permasalahan diatas, peneliti akan melakukan penelitian analisis decision

rule menggunakan algoritma if then rules

dengan metode Rough Set menggunakan data jumlah kecelakaan yang terjadi di Daerah Istimewa Yogyakarta berdasarkan waktu kejadian kecelakaan.

Metodologi

Data yang digunakan dalam penelitian ini merupakan data sekunder, dimana data diambil dari Biro Operasi POLDA Daerah Istimewa Yogyakarta mengenai data kecelakaan lalu lintas yang dimuat dalam Jurnal KAMTIBNAS bulan Juli sampai dengan Desember 2014. Variabel penelitian ini terdiri dari waktu, jenis kecelakaan, jenis tabrakan, kendaraan yang terlibat, umur, peran, tingkat luka [3]. Metode analisis data yang digunakan adalah analisis Chi Square dengan menggunakan software R dan analisis Rough

Set menggunakan Microsoft Excel 2013.

Uji Pearson Chi-Square

Statistik Pearson Chi-Square (



2) diperkenalkan oleh Karl Pearson (1900) yang digunakan untuk menguji H0 (variabel baris dan kolom saling independen). Statistik Pearson Chi- Kuadrat adalah





2 2 1 1 b k ij ij i j ij

n







 







(1)

nij adalah frekuensi observasi sela pada

baris ke i dan kolom ke j,



_ij merupakan parameter dari rata-rata frekuensi sel pada baris ke i dan kolom ke j [4].

Rough Set

Masalah ketidak sempurnaan pengetahuan pada data telah menjadi isu penting, terutama dibidang data mining artificial intelligence. Masalah ketidak sempurnaan ini ditandai dengan adanya konflik diantra fakta yang ada, dimana dengan kondisi yang sama namun memiliki kesimpulan yang berbeda. Rough Set adalah salah satu metode yang dapat digunakan untuk menyelesaikan masalah ini. Rough Set adalah suatu pendekatan matematis baru utnuk menganalisa pola data yang bersifat sama atau tak pasti [5]. Rough Set dibangun berdasarkan Asumsi bahwa

objek didunia saling berhubungan dan saling berbagi informasi. Tujuan dari analisis Rough Set adalah untuk mendapatkan perkiraan rule atau aturan yang singkat dari suatu tabel.

Decision Rule Rough Set

Rough Set dimulai dengan sebuah data tabel yang disebut tabel keputusan. Tabel keputusan terdiri dari kolom-kolom yang berlabelkan atribut dari bari-baris yang terdiri dari nilai atribut. Atribut dari tabel keputusan terbagi menjadi dua grup, yaitu atribut condition dan atribut decision. Setiap baris dari tabel keputusan adalah decision rule, yang merupakan representasi decision tertentu (aksi, hasil, keluaran, dsb) yang akan terjadi bila beberapa condition tertentu terpenuhi (Pawlak,2002). Setiap baris data dalam sebuat tabel keputusan adalah sebuah decision rule tunggal. Oleh sebab itu, tabel keputusan diperoleh dengan menyatukan seluruh baris data yang ada berdasarkan kesamaan nilai condition dan decision-nya [5].

Faktor Certainty dan Faktor Coverage

Dalam membaca tabel data yang digunakan diperlukan bahasa dari aturan pengambilan keputusan. Data dapat dibaca dengan implikasi if



then ψ (



→ ψ). Dimana



merupakan simbol dari atribut kondisi, dan ψ nerupakan simbol dari atribut konsekuensi. Pengambilan keputusan membutuhkan nilai

certainty dan coverage dari data yang

digunakan. Nilai tersebut dapat dicari menggunakan rumus berikut:

Certainty Factors



|



jumlah semua kasus dan

jumlah semua kasus





  





(2)

Coverage Factors



|



jumlah semua kasus dan

jumlah semua kasus





  





(3)

Bila sebuah decision rule,



→ ψ, didapat secara pasti menentukan decision dalam hubungan dengan condition, yaitu bila factor certainty bernilai 1, maka rule tersebut disebut certain (crisp) sedangkan bila sebuah decision rule



→ ψ, tidak secara pasti menentukan decision dalam hubungan condition, yaitu bila factor certainty bernilai antara 0 hingga 1, naka ruke tersebut bersifat uncertain atau rough [5].

(3)

3

Hasil dan Pembahasan

Berdasarkan pengumpulan data yang telah dilakukan dapat dilakukan analisis deskriptif untuk mendapatkan gambaran secara umum dari data kecelakaan lalu lintas DIY.

Tabel 1. Jumlah Korban Berdasarkan Tingkat

Luka Korban dengan Waktu

Waktu Tingkat Luka Total

LR LB MD

Sepi 263 102 33 398 Padat 188 58 17 263 Total 451 160 50 661

Berdasarkan tabel 1., didapatkan waktu kejadian sepi maka menyebabkan korban sebanyak 263 orang mengalami luka ringan, 102 orang luka berat dan 33 orang meninggal dunia. Sedangkan, kecelakaan yang terjadi pada waktu padat menyebabkan 188 orang mengalami luka ringan, 58 orang mengalami luka berat, dan 17 orang meninggal dunia

.

Berdasarkan tabel 1, peneliti melakukan uji chi square dan didapatkan p-value sebesar 0.3308 lebih besar dibandingkan alpha 0.05 artinya dengan menggunakan tingkat kepercayaan 95% didapatkan bahwa tidak ada hubungan antara waktu

Tabel 2. Jumlah Korban berdasarkan Tingkat

Luka dengan jenis Kecelakan

Jenis Kecelakaan Tingkat Luka Total LR LB MD Tunggal 14 9 6 29 Ganda 437 151 44 632 Total 446 160 50 661

Jumlah korban kecelakaan tunggal mengalami luka ringan sebanyak 14 orang, luka berat sebanyak 9 orang dan 6 orang meninggal dunia. Kecelakaan ganda korban yang mengalami luka ringan sebanyak 437 orang, 151 mengalami luka berat dan 44 orang meninggal dunia.

Dari tabel 2 diatas, peneliti menguji chi square untuk mengetahui apakah ada hubungan antara jenis kecelakaan yang terjadi dengan tingkat luka yang dialami korban, dan didapatkan p-value sebesar 0.009475 lebih kecil dibandingkan alpha 0.05 sehingga, jenis kecelakaan yang terjadi ada hubungan dengan tingkat luka yang dialami.

Jumlah korban kecelakaan lalu lintas pada tabel 3 yaitu tabrakan depan-belakang sebanyak 156 mengalami luka ringan, 44 orang mengalami luka berat, 12 orang meninggal dunia. Tabrakan depandepan menyebabkan 107 orang luka ringan, 43 orang luka berat, 16 orang meninggal dunia. Tabrakan depan-samping mengakibatkan sebanyak 84 orang mengalami luka ringan, 28 orang luka berat, 1 orang meninggal dunia.

Luka dengan Jenis Tabrakan

Jns Tabrakan Tingkat Luka Total LR LB MD Depan-Belakang 156 44 12 212 Depan-Depan 107 43 16 166 Depan-Samping 84 28 1 113 Beruntun 19 5 7 31 Tabrakan Mundur 2 1 1 4 Tabrakan Sisi 23 5 4 32 Lain-lain 60 34 9 103 Total 451 160 50 661

Tabrakan beruntuk menyebabkan 19 orang mengalami luka ringan, 5 orang mengalami luka berat, 7 orang meninggal dunia. Tabrakan mundur memakan korban sebanyak 2 orang mengalami luka ringan, masing-masing 1 orang untuk korban yang mengalami luka berat dan meninggal dunia. Tabrakan sisi menyebabkan sebanyak 23 orang luka ringan, 5 orang luka berat dan 4 orang meninggal dunia. Lain-lain merupakan jenis tabrakan yang terjadi jika yang terlibat kecelakaan berupa tipe kecelakaan tunggal, kecelakaan dengan pejalan kaki dan sepeda, didapatkan sebanyak 60 orang mengalami luka ringan, 34 orang luka berat dan 9 orang meninggal dunia. Berdasarkan tabel 3, setelah dilakukan uji chisquare didapatkan p-value sebesar 0.022048 lebih kecil dibandingkan alpha 0.05 yang artinya ada hubungan antara jenis tabrakan dengan tingkat luka yang dialami.

Tabel 4. Jumlah Korban Kecelakaan Berdasarkan Tingkat Luka Korban dengan Kendaraan yang terlibat.

Kendaraan yg Terlibat Tingkat Luka Total LR LB MD Bus-Bus 8 0 0 8 Bus-Lainnya 0 2 0 2 Mobil Penumpang ₃ ₀ ₀ ₃ Mobil Penumpang-Mobil Penumpang 4 0 0 4 Mobil Penumpang – Lainnya 5 2 1 8 Mobil Penumpang-Truck 2 1 0 3 SPM-Bus 13 8 6 27 SPM-Lainnya ₉₅ ₃₀ ₂ ₁₂₇ SPM-Mobil Penumpang 44 22 7 73 SPM-SPM ₂₃₂ ₆₈ ₁₁ ₃₁₁ SPM-Truck ₁₅ ₁₃ ₉ ₃₇ SPM ₉ ₄ ₆ ₁₉ Truck ₁ ₄ ₀ ₅ Truck-Lainnya 1 1 1 3 Lain-lain ₁₉ ₅ ₇ ₃₁ Total 451 160 50 661

Berdasarkan tabel 4 diatas jumlah kecelakaan lalu lintas kendaraan yang terlibat adalah bus dengan bus menyebabkan 8 orang mengalami luka ringan. Kendaraan yang terlibat yaitu bus dengan lainnya menyebabkan dua orang mengalami luka

(4)

4 berat. Kecelakaan lalu lintas yang hanya melibatkan kendaraan mobil penumpang menyebabkan tingkat luka ringan sebanyak 3 orang. Kendaraan yang terlibat mobil penumpang dengan mobil penumpang menyebabkan 4 orang mengalami luka ringan. Kendaraan yang terlibat mobil penumpang dengan truk menyebabkan 2 orang mengalami luka ringan dan 1 orang luka berat. Kendaraan yang terlibat antar sepeda motor dengan bus menyebabkan 13 prang mengalami luka ringan, 8 orang luka berat, dan 6 orang meninggal dunia. Kendaraan yang terlibat kecelakaan adalah sepeda motor dengan lainnya menyebabkan 95 orang luka ringan, 30 orang luka berat, dan 2 orang meninggal dunia. Kendaraan yang terlibat antara sepeda motor dengan mobil penumpang menyebabkan 44 orang luka ringan, 22 orang luka berat, dan 7 orang meninggal dunia. Kendaraan yang terlibat antara sepeda motor dengan sepeda motor menyebabkan 232 orang mengalami luka ringan, 68 orang luka berat, dan 11 orang meninggal dunia. Kendaraan yang terlibat sepeda motor dengan truk menyebabkan 15 orang mengalami luka ringan, 13 orang luka berat, 9 orang meninggal dunia. Kecelakaan lalu lintas yang disebabkan hanya kendaraan sepeda motor yang terlibat menyebabkan 9 orang luka ringan, 4 orang luka berat, dan 6 orang meninggal dunia. Kecelakaan lalu lintas yang disebabkan hanya truck yang terlibat menyebabkan 1orang luka ringan, dan 4 orang luka berat. Kendaraan yang terlibat adalah truck dan lainnya menyebabkan 1 orang mengalami luka ringan, 1 orang luka berat dan 1 orang meninggal dunia. Kendaraan yang terlibat adalah lain-lain menyebabkan 19 orang mengalami luka ringan, 5 orang luka berat dan 7 orang meninggal dunia. Dari jenis kendaraan yang terlibat paling banyak adalah sepeda motor.

Berdasarkan tabel 4, setelah dilakukan uji chisquare didapatkan p-value sebesar 6,7 x 10-10_{lebih kecil dibandingkan alpha 0.05 yang} artinya ada hubungan antara jenis kendaraan dengan tingkat luka yang dialami.

Luka dengan Peran Korban

Peran Korban Tingkat Luka Total LR LB MD Pengendara ₃₇₉ ₂₆ ₃₈ ₄₄₃ Penumpang 41 110 9 160 Lainnya 31 24 3 58 Total ₄₅₁ ₁₆₀ ₅₀ ₆₆₁

Jumlah korban yang mengalami luka ringan sebanyak 379 orang, 26 orang luka ringan dan 38 orang meninggal dunia jika korban sebagai

pengendara. Jumlah korban yang mengalami luka ringan sebanyak 41 orang, 110 orang luka berat dan 9 orang meninggal dunia jika korban berperan sebagai penumpang. Jumlah korban yang mengalami luka ringan sebanyak 31 orang, 24 orang luka berat, dan 3 orang meninggal dunia jika korban berperan sebagai lainnya.

Berdasarkan tabel 5, setelah dilakukan uji chisquare didapatkan p-value kurang dari 2,2 x 10-16_{lebih kecil dibandingkan alpha 0.05} yang artinya ada hubungan antara peran korban dengan tingkat luka yang dialami. Analisis rough set menggunakan algoritma if then digunakan untuk pengambilan keputusan berdasarkan data yang diamati oleh peneliti. Kecelakaan lalu lintas yang terjadi di Daerah Istimewa Yogyakarta dari bulan Juli sampai Desember 2014, terjadi sebanyak 461 kasus dengan jumlah korban yang mengalami luka ringan, luka berat maupun meninggal dunia sebanyak 661 orang yang dijelaskan dalam 141 objek.

Rough Set

Reduksi data sangat diperlukan dalam pengambilan keputusan dengan metode rough set. Data dengan variabel yang banyak dapat disederhanakan tanpa menghilangkan ataupun mengurangi informasi data yang sudah ada. Dari 141 objek, peneliti mereduksi data berdasarkan variabel jenis tabrakan dan didapatkan sebanyak 83 objek. Kemudian, peneliti juga mereduksi data berdasarkan variabel jenis tabrakan dan peran korban, didapatkan sebanyak 58 objek.

Dari data yang sudah direduksi, peneliti menghitung nilai certainty dan coverage faktor. Pada makalah ini, peneliti menjelaskan decision rule menggunakan data hasil reduksi berdasarkan jenis tabrakan dan peran korban dengan nilai certainty dan coverage faktor tertinggi dari tingkat luka yang dialami korban.

Berdasarkan decision rule dan nilai certainty didapatkan aturan pengambilan keputusan sebagai berikut:

1. Jika waktu kejadian padat, kendaraan yang terlibat bus dengan lainnya, selalu terjadi kecelakaan lalu lintas dengan tingkat luka berat.

2. Jika waktu kejadian padat, kendaraan yang terlibat mobil penumpang dengan truck, selalu terjadi kecelakaan lalu lintas dengan tingkat luka berat.

3. Jika waktu kejadian sepi, kendaraan yang terlibat bus dengan bus, selalu terjadi kecelakaan dengan tingkat luka ringan.

(5)

5 4. Jika waktu kejadian sepi, kendaraan yang

terlibat bus dengan lainnya, selalu terjadi kecelakaan dengan tingkat luka berat. 5. Jika waktu kejadian sepi, kendaraan yang

terlibat hanya mobil penumpang, selalu terjadi kecelakaan dengan tingkat luka ringan.

6. Jika waktu kejadian sepi, kendaraan yang terlibat mobil penumpang dengan mobil penumpang, selalu terjadi kecelakaan dengan tingkat luka ringan.

7. Jika waktu kejadian sepi, kendaraan yang terlibat mobil penumpang dengan truck, selalu terjadi kecelakaan dengan tingkat luka ringan.

8. Jika waktu kejadian sepi, kendaraan yang terlibat mobil penumpang dengan lainnya, selalu terjadi kecelakaan dengan tingkat luka berat.

9. Jika waktu kejadian padat, kendaraan yang terlibat sepeda motor dengan truck, maka terjadi kecelakaan lalu lintas dengan korban meninggal dunia sebesar 36% pada kondisi yang sama.

Berdasarkan decision rule dan nilai coverage didapatkan aturan pengambilan keputusan sebagai berikut:

1.

25.93% kecelakaan dengan korban luka berat, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor.

2.

27.27% kecelakaan dengan korban luka ringan, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor.

3.

18.75% kecelakaan dengan korban meninggal dunia, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor

Kesimpulan

Berdasarkan pembahasan sebelumnya dapat disimpulkan bahwa:

1.

Ada hubungan antara jenis kecelakaan, jeni tabrakan, kendaraan yang terlibat dan peran korban dengan tingkat luka yang dialami korban.

2.

Berdasarkan Decision rule dan certainty didapatkan aturan pengambilan keputusan yaitu Jika waktu kejadian padat kendaraan yang terlibat adalah bus dengan lainnya, maupun mobil penumpang dengan truck, dan jika waktu kejadian sepi, kendaraan yang terlibat bus dengan lainnya maupun mobil penumpang dengan lainnya, selalu

menyebabkan kecelakaan dengan tingkat luka berat. Jika waktu kejadian sepi kendaraan yang terlibat adalah bus dengan bus, hanya mobil penumpang, mobil penumpang dengan mobil penumpang, maupun mobil penumpang denga truck, selalu menyebabkan kecelakaan dengan tingkat luka ringan. Jika waktu kejadian padat, kendaraan yang terlibat sepeda motor dengan truck, maka terjadi kecelakaan lalu lintas dengan korban meninggal dunia sebesar 36% pada kondisi yang sama. Berdasarkan decision rule dan nilai coverage faktor didapatkan aturan pengambilan keputusan yaitu 25.93% kecelakaan dengan korban luka berat, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor. 27.27% kecelakaan dengan korban luka ringan, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor. 18.75% kecelakaan dengan korban meninggal dunia, terjadi ketika waktu kejadian sepi dan kendaraan yang terlibat sepeda motor dengan sepeda motor.

Daftar Pustaka

[1] Kuntadi. 2013. Kendaraan Bermotor di DIY bertambah 128 ribu. https://ekbis.sindonews.com/read/705228/ 34/2012-kendaraan-bermotor-di-diy-bertambah-128-ribu-1357714872 Diakses pada tanggal 25 Agustus 2017.

[2] POLDA DIY. 2014. “Laporan Harian Biro Operasi POLDA Daerah Istimewa Yogyakarta Berdasarkan Jurnal Situasi Kamtibnas Selama Bulan Juli – Desember 2014 Tentang Data Kecelakaan Lalu Lintas” Laporan Harian Biro Operasi Tidak Diterbitkan, Kepolisian Republik Indonesia Daerah Istimewa Yogyakarta.

[3] Khairunnisa, 2014. Decision Rules Pada

Kecelakaan Lalu Lintas Di Kabupaten Sleman Dengan Metode If-Then Dari Rough Set Theory. Skripsi Jurusan

Statistika, Fakultas MIPA Universitas Islam Indonesia

[4] Nugraha, Jaka. 2013. Pengantar Analisis Data Kategorik. Yogyakarta: Depublish. [5] Pawlak, Zdzislaw. 2002. A Primer On

Rough Set: A New Approach To Drawing Conclusion From Data. Vol. 22:1407