ANALISIS DAERAH RAWAN KECELAKAAN PADA JARINGAN JALAN BERBASIS PETA GIS

(1)

i

ANALISIS DAERAH RAWAN KECELAKAAN PADA JARINGAN JALAN BERBASIS PETA GIS

The Analysis of Black Spot for Road Network Based on GIS

ARTIKEL ILMIAH

Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S-1 Jurusan Teknik Sipil

Oleh : TATI JULIANA

F1A 015 128

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS MATARAM

2019

(2)

ii

ARTIKEL ILMIAH

ANALISIS DAERAH RAWAN KECELAKAAN PADA JARINGAN JALAN BERBASIS PETA GIS

The Analysis of Black Spot for Road Network Based on GIS

Oleh:

TATI JULIANA F1A 015 128

Telah diperiksa dan disetujui oleh Tim Pembimbing 1. Pembimbing Utama

I Wayan Suteja, ST., MT. Tanggal : September 2019 NIP : 19670826 199412 1 001

2. Pembimbing Pendamping

Hasyim, ST.,MT. Tanggal : September 2019 NIP : 19651231 199512 1 001

Mengetahui, Ketua Jurusan Teknik Sipil Fakultas Teknik Universitas Mataram

Jauhar Fajrin, ST., MSc(Eng)., Ph.D.

NIP : 1974607 199802 1 001

(3)

iii

ARTIKEL ILMIAH

ANALISIS DAERAH RAWAN KECELAKAAN PADA JA RINGAN JALAN BERBASIS PETA GIS

The Analysis of Black Spot for Road Network Based on GIS

Oleh:

TATI JULIANA F1A 015 128

Telah dipertahankan di depan Dewan Penguji pada Tanggal 28 Agustus 2019 dan dinyatakan telah memenuhi syarat

Susunan Tim Penguji 1. Penguji I

Rohani, ST., MT. Tanggal : September 2019 NIP : 19671231 199512 2 001

2. Penguji II

Ratna Yuniarti, ST., MSc(Eng). Tanggal : September 2019 NIP : 19680620 199412 2 001

3. Penguji III

I A O Suwati Sideman, ST., Msc. Tanggal : September 2019 NIP : 19691011 199702 2 002

Mataram, September 2019 Dekan Fakultas Teknik

Universitas Mataram

Akmaluddin, ST., MSc(Eng)., Ph.D.

NIP : 19681231 199412 1 001

(4)

1 ANALISIS DAERAH RAWAN KECELAKAAN PADA JARINGAN JALAN BERBASIS PETA GIS

Tati Juliana¹, I Wayan Suteja², Hasyim³

Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram

1Mahasiswa Jurusan Teknik Sipil Universitas Mataram

2Dosen Jurusan Teknik Sipil Universitas Mataram Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram

INTISARI

Kabupaten Lombok Barat merupakan salah satu Kabupaten di Provinsi Nusa Tenggara Barat yang secara geografis berada pada area dengan pemandangan alam yang menarik. Hal ini menyebabkan ruas jalan tersebut sangat padat dilalui oleh kendaraan. Menurut data Polres Lombok Barat diperoleh informasi bahwa di tahun 2018 terjadi peningkatan jumlah peristiwa kecelakaan. Berdasarkan hal tersebut maka perlu dilakukan penelitian analisis daerah rawan kecelakaan pada jaringan jalan berbasis peta GIS. Penelitian ini dilakukan untuk mengetahui faktor penyebab kecelakaan, daerah rawan kecelakaan, dan pemetaan rawan kecelakaan.

Langkah awal dengan mengumpulkan data sekunder yaitu data kecelakaan tahun 2016, 2017 dan 2018 di Polres Lombok Barat. Data tersebut selanjutnya di analisis dengan mencari angka ekivalen kecelakaan Puslitbang Jalan, Kepolisian/Polri dan Dinas Perhubungan. Untuk faktor penyebab kecelakaan dianalisis menggunakan analisa statistik deskriptif, daerah rawan kecelakaan dengan metode Z-score dan pemetaan menggunakan software Arc GIS.

Dari hasil analisis menunjukkan bahwa faktor penyebab kecelakaan tertinggi adalah pengemudi. Daerah Rawan Kecelakaan yang memiliki angka pertumbuhan kecelakaan tertinggi yaitu Jln. Raya Senggigi, Jln. Raya Bypass BIL, Jln. TGH Ibrahim Al-Khalidy dan Jln. Raya Yos Sudarso dan pemetaan rawan kecelakaan dengan tampilan layer yaitu pembobotan Angka Ekivalen Kecelakaan Puslitbang jalan, Kepolisian, dan Dinas Perhubungan dengan titik rawan kecelakaan tiga tahun terakhir.

Kata Kunci : Kecelakaaan, Angka Ekivalen Kecelakaan, Z-Score, Daerah Rawan Kecelakaan ABSTRACT

West Lombok is one of the regencies in West Nusa Tenggara which geographically located in attractive natural spot. It causes the road lines densely traversed by vehicles. According to data from the West Lombok Police Station, there number of accident occurrance has increased in 2018. Hence, it is necessary to conduct an analysis of the black spot on the GIS map-based road. This research was conducted to determine the factors that cause accidents, the black site areas, and the black spot mapping.

The first step is to collect secondary data that is the accident occurrance data in 2016, 2017 and 2018 at the West Lombok Police Station. Next, the data are analyzed by finding the eqivalent number of accidents in the Center for Road Research, Police / Police and the Department of Transportation. After that, the factors causing the accident were analyzed using descriptive statistical method, the black spot with the Z-score method and mapping using Arc GIS software.

The research data showed that the highest factor causing the accident was the driver. The black spot that have the highest accident growth rates above the accident average are Senggigi main road, The International Airport Bypass Street, TGH Ibrahim Al-Khalidy Street and Yos Sudarso Street. Then, The black spot mapping uses layer display that is Assessment of the Accidental Eqivalent Rate of the road, the Police , and the Department of Transportation on black spot areas in the last three years.

Keywords : Accidents, Accident Eqivalent Numbers, Z-Score, Black Spot PENDAHULUAN

Latar Belakang

Sekarang ini kebutuhan akan transportasi di seluruh negara, termasuk Indonesia semakin hari semakin bertambah. Transportasi yang dimaksud yaitu transportasi darat, laut dan udara. Berdasarkan Undang-Undang Republik Indonesia No.22 Tahun 2009 pasal 1 ayat 31 tentang Lalu Lintas dan Angkutan Jalan, keselamatan lalu lintas dan angkutan jalan adalah “suatu keadaan terhindar dari

risiko kecelakaan selama berlalu lintas yang disebabkan oleh manusia, kendaraan, jalan dan / lingkungan”. Masalah keselamatan lalu lintas tidak hanya terbatas pada ada tidaknya kecelakaan lalu lintas yang terjadi, tetapi lebih luas yaitu agar terciptanya lingkungan yang aman dan nyaman bagi pengguna jalan.

Penyebab kecelakaan yang terjadi disebabkan oleh 4 faktor diantaranya manusia, kendaraan, jalan dan lingkungan. Faktor penyebab kecelakaan tertinggi

(5)

2 adalah manusia, karena terkait dengan kecerobohan

pengendara, kurangnya pemahaman pengendara terhadap teknik berkendaraan, etika berlalu lintas dan komunikasi di jalan. Dengan tingkat kecelakaan yang tinggi, kerugian yang ditimbulkan juga sangat tinggi.

Data dari Perkembangan Kecelakaan Lalu Lintas menurut Resort Lombok Barat diperoleh informasi bahwa dalam lima tahun terakhir untuk wilayah Kabupaten Lombok Barat mengalami penurunan dari tahun 2014 hingga 2017 dan mengalami peningkatan di tahun 2018 terjadi jumlah peristiwa kecelakaan lalu lintas berturut-turut sejak tahun 2014 tercatat sebanyak 600 kejadian, pada tahun 2015 tercatat sebanyak 171 kejadian, pada tahun 2016 tercatat sebanyak 151 kejadian, pada tahun 2017 terdapat 74 kejadian, berikutnya pada tahun 2018 terdapat 145 kejadian. Angka kecelakaan tersebut adalah angka kecelakaan yang tercatat saja, kenyataannya bisa melebihi dari angka kecelakaan tersebut, karena pada kenyataannya masyarakat kadang tidak melaporkan kejadian kecelakaan tersebut pada pihak yang berwenang.

Berdasarkan penjabaran diatas , maka perlu dilakukan penelitian Analisis Daerah Rawan Kecelakaan pada Jaringan Jalan Berbasis Peta GIS, dimana Kabupaten yang dipilih adalah Kabupaten Lombok Barat. Penelitian ini diharapkan akan memberikan rekomendasi terbaik kepada pihak berwenang.

Tujuan Penelitian

Tujuan dilakukannya penelitian ini adalah : 1) Faktor-faktor penyebab kecelakaan lalu lintas di Kabupten Lombok Barat 2) Untuk mengetahui daerah rawan kecelakaan di Kabupaten Lombok Barat 3) Untuk mengetahui pemetaan daerah rawan kecelakaan di Kabupaten Lombok Barat.

TINJAUAN PUSTAKA

Agus Surya Wedasana (2011) melakukan penelitian tentang analisis daerah rawan kecelakaan dan penyusunan database berbasis sistem informasi geografis studi kasus Kota Denpasar menggunakan metode statistik Z-score diperoleh ruas rawan kecelakaan yaitu jalan raya Bypass Ngurah Rai, Gatot Subroto dan Imam Bonjol ruas jalan tersebut memiliki pertumbuhan angka kecelakaan tinggi dari rata-rata kecelakaan di Kota Denpasar. Data primer dalam diperoleh dengan melakukan survey lapangan untuk menentukan titik rawan kecelakaan dari ruas yang teridentifikasi sebagai daerah rawan kecelakaan dan sebagai bahan untuk penyusunan database SIG, setelah mendapatkan rawan kecelakaan perhitungan selanjutnya menggunakan cussum summary, kemudian untuk penyusunan database menggunakan bantuan software Arc GIS.

Arief Wiraguna, dkk. (2016) melakukan penelitian tentang analisis daerah dan titik rawan kecelakaan pada ruas jalan kolektor sekunder di Kota Surakarta menjelaskan tentang ada delapan faktor menjadi penyebab kecelakaan di Kota Surakarta, diantaranya tidak perhatikan arus lalu lintas, mendahului, tidak memberi kesempatan pejalan kaki dan unmotorrized vibicle, kecepatan, melanggar traffic light, perkerasan jalan, mabuk dan mengantuk. Pada analisis Z-Scroe terdapat lima karakter daerah rawan kecelakaan (black site), yaitu rawan kecelakaan sangat tinggi, rawan kecelakaan tinggi, rawan kecelakaan rendah, rawan kecelakaan sangat rendah dan tidak rawan kecelakaan. Ruas jalan Ir.Juanda termasuk kriteria rawan kecelakaan sangat tinggi, ruas jalan Kapten Mulyadi dan Yos Sudarso termasuk dalam kriteria rawan kecelakaan sedang, untuk ruas jalan Monginsidi dan ruas jalan Sutan Syahrir termasuk kriteria rawan kecelakaan rendah dan rawan kecelakaan sangat rendah sedangkan ruas jalan yang lain termasuk kriteria tidak rawan kecelakaan.

Faktor Penyebab Kecelakaan

Lalu lintas ditimbulkan oleh adanya pergerakan dari alat-alat angkutan, karena adanya kebutuhan perpindahan manusia dan atau barang. Karena itu, dampak yang tidak mungkin ditolak karena adanya pergerakan tersebut adalah terjadinya kecelakaan.

Kecelakaan lalu lintas pada umumnya terjadi karena berbagai faktor penyebab seperti pelanggaran atau sikap kurang hati-hati dari pengguna jalan baik pengemudi atau pejalan, kondisi jalan, kondisi kendaraan dan lain sebagainya. Ada empat faktor penyebab kecelakaan yakni manusia, kendaraan, jalan dan lingkungan.

Daerah Rawan Kecelakaan

Daerah rawan kecelakaan adalah daerah yang mempunyai angka kecelakaan tinggi, resiko dan potensi kecelakaan yang tinggi pada suatu ruas jalan, mungkin dikarenakan tidak adanya perlengkapan jalan di daerah tersebut, mungkin juga karena geometri jalan yang tidak tepat sehingga sering terjadi suatu kecelakaan.

Pembobotan Tingkat Kecelakaan Menggunakan Angka Ekivalen Kecelakaan ( AEK )

Pemeringkatan dengan pembobotan tingkat kecelakaan menggunakan konversi biaya kecelakaan yaitu dengan menggunakan AEK (Angka Ekivalen Kecelakaan) dengan sistem pembobotan yang mengacu kepada biaya kecelakaan yang ada di Indonesia, yaitu menggunakan persamaan Puslitbang Jalan, Ditjen Hubungan Darat dan Polri :

(6)

3 Tabel 2.1 Angka ekivalen kecelakaan di Indonesia

Sumber : Sugiyanto, 2017.

Tingkat Kecelakaan Berdasarkan Jumlah Kendaraan

Angka ini menggambarkan perolehan kecelakaan untuk semua daerah dan mempunyai kegunaan yang sama dengan angka kematian berdasarkan populasi. Angka kematian ini digambarkan kematian lalu lintas per 10.000 regristasi kendaraan, dengan rumus sebagai berikut (Kurnia Kusuma Wardani, 2014) :

R= ^.

Dimana:R=Angka kecelakaan per 10.000 kendaraan setiap tahun

T=Jumlah kecelakaan dalam setahun V=jumlah kendaraan di daerah penelitian

dalam setahun

Tingkat Kecelakaan Berdasarkan Jumlah Penduduk

Bahaya lalu lintas untuk kehidupan masyarakat dinyatakan sebagai jumlah kematian lalu lintas (traffic fatalities) per 10.000 populasi. Angka ini mengambarkan perolehan kecelakaan untuk semua kawasan (Kurnia Kusuma Wardani, 2014 ) :

R= ^.

dimana : R=Angka kecelakaan per 100.000 penduduk setiap tahun

T=Jumlah kecelakaan dalam setahun V=jumlah penduduk di daerah penelitian dalam setahun

Analisa Statistik Distribusi Frekuensi

Distribusi frekuensi adalah data acak dari suatu penelitian yang disusun menurut kelas interval tertentu atau menurut kategori tertentu dalam sebuah daftar. Distribusi frekuensi terdiri dari grafik distribusi, ukuran nilai pusat dan ukuran dispersi.

Z- Score

Untuk menentukan black site digunakan metode Z-Score. Z-Score adalah bilangan z atau bilangan standar atau bilangan baku. Z-Score digunakan untuk membakukan data angka kecelakaan, nilai Z dapat dicari dengan rumus :

Zi =

dimana: Zi= Nilai Z-Score pada lokasi i Xi= Jumlah data pada lokasi i X= Nilai rata-rata

I = 1,2,3,……,n

Parameter Kecelakaan UCL dan BKA

Metode pembobotan yang digunakan adalah pembobotan tingkat kecelakaan yang berdasarkan Pd T 09 Tahun 2004 B tentang Penanganan Lokasi Rawan Kecelakaan Lalu Lintas. Dalam metode pembobotan lokasi rawan kecelakaan ini menggunakan tiga parameter yaitu Angka Ekivalen Kecelakaan (AEK), Batas Kontrol Atas (BKA), dan Upper Control Limit (UCL). Semakin tinggi nilai bobot lokasi kecelakaan, maka semakin parah luka korban dan semakin besar juga kerugian materi yang diterima akibat dari kecelakaan lalu lintas.

Formula matematik untuk menghitung nilai AEK, seperti dapat ditunjukkan dalam persamaan diawah ini :

AEK = 12MD + 3LB + 3LR + 1K Dengan :

MD = jumlah korban Meninggal Dunia (jiwa)

LB = jumlah korban luka berat (orang) LR = jumlah korban luka ringan (orang) K = jumlah kejadian kecelakaan lalu lintas dengan kerugian material (kejadian) Sedangkan untuk perhitungan BKA dapat menggunakan persamaan berikut :

BKA = C + 3 √ Dengan :

C = Rata-rata angka kecelakaan AEK Dan untuk perhitungan UCL dapat meggunakan persamaan berikut :

UCL = + 2,576

+ ^, +

Dengan :

= Rata-rata angka kecelakaan AEK

m = Angka kecelakaan ruas yang ditinjau (AEK)

Ruas jalan dengan nilai kecelakaan yang berada di atas UCL didefinisikan sebagai lokasi rawan kecelakaan.

Pengenalan Sofware

ArcGIS merupakan salah satu perangkat lunak yang dikembangkan oleh ESRI (Environment Science & Research Institute), perangkat lunak ini mulai dirilis oleh ESRI pada tahu 2000. Produk utama dari ArcGIS ini yaitu : ArcMap, ArcCatalog, ArcToolbox, ArcGlobe dan ArcScene

METODE PENELITIAN

Adapun tahapan/langkah-langkah yang digunakan dalam penelitian ini dapat dilihat pada gambar 3.1 sebagai berikut :

(7)

4 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang bersumber dari instansi terkait. Data sekunder yang diperlukan adalah:

1. Data kecelakaan lalu lintas selama 3 (tiga) tahun terakhir yaitu tahun 2016, 2017 dan tahun 2018 dari Polres Lombok Barat.

2. Data jumlah penduduk tahun 2016, 2017 dan 2018 dari BPS Lombok Barat.

3. Data jumlah kendaraan tahun 2016, 2017 dan 2018 dari Samsat Lombok Barat.

Analisis Data dan Pembahasan

 Faktor Penyebab Kecelakaan Lalu Lintas di Kabupaten Lombok Barat Faktor penyebab kecelakaan lalu lintas dapat diketahui berdasarkan persentase tertinggi dengan menggunakan analisis deskriptif dengan maksud menjelaskan penyebab kecelakaan dari data polres Lombok Barat.

 Analisis Daerah Rawan Kecelakaan Penentuan rawan kecelakaan di Kabupaten Lombok Barat

a.Langkah-langkah penentuan rawan kecelakaan metode statistik Z-score antara lain :

1. Menggolongkan serta mengurutkan data kecelakaan yang diperoleh dari Polres Lombok Barat kedalam kriteria korban kecelakan seperti meninggal dunia, luka berat, luka ringan dan kerugian materi.

2. Mencari angka ekivalen kecelakaan untuk tiap-tiap ruas jalan dengan tiga pembobotan yaitu Puslitabang Jalan, Dinas Perhubungan dan Kepolisian seperti pada tabel dibawah ini :

Tabel 3.1 Rangking Lokasi Ruas Jalan Rawan Kecelakaan Lalu Lintas Berdasarkan Angka Ekivalen Kecelakaan (AEK)

No Nama Jalan

AEK

Rank 12x

MD 3x(LB

+LR) 1xK Jum lah 1

2 3

Sumber : Puslitbang jalan

AEK

Rank 12x

MD 6x LB

3x LR

1 x K

Jum lah 1

2 3

Sumber : Direktorat Jenderal Perhubungan Darat

AEK

Rank 10x

MD 5x LB

1x

LR 1xK Jumlah 1

2 3

Sumber : Kepolisian Republik Indonesia

3. Mencari nilai statistik z-score pertumbuhan angka kecelakaan dalam tiga tahun dan z score angka kecelakaan berdasarkan data terbaru 2018 seperti tabel berikut ini : Tabel 3.4 Perhitungan Z-Score dalam tiga tahun No. Nama

Jalan n xi X (xi-X) (xi-X)² S Zi

1

2

3

Untuk nilai n diperoleh dari total angka kecelakaan dari tahun 2016-2018, nilai xi diperoleh dari total angka kecelakaan dari tahun 2016-2018, nilai X dengan menggunakan rumus (2-3), nilai S diperoleh dengan menggunakan rumus (2-4) dan nilai Zi diperoleh dengan menggunakan rumus (2- 6).

4. Membuat grafik hubungan antara nilai z- score angka kecelakaan berdasarkan data terbaru dengan z-score pertumbuhan angka kecelakaan per tahun

Gambar 3.1 Grafik Hubungan Antara Nilai Z- Score Angka Kecelakaan Berdasarkan Data Terbaru dengan Z-Score Pertumbuhan Angka

kecelakaan Tiga Tahun

5. Mengambil kesimpulan dari tabel grafik nilai z-score yang tertinggi dari nilai rata- rata data kecelakaan tiga tahun.

a. Langkah-langkah penentuan rawan kecelakaan metode parameter UCL dan BKA antara lain : 1. Menggolongkan serta mengurutkan data

kecelakaan yang diperoleh dari Polres

(8)

5 Lombok Barat kedalam kriteria korban

kecelakan seperti meninggal dunia, luka berat, luka ringan dan kerugian materi 2. Mencari angka ekivalen kecelakaan untuk

tiap-tiap ruas jalan di Kabupaten Lombok Barat dengan pembobotan angka kecelakaan Dinas Perhubungan.

3. Menghitung nilai dari Batas Kontrol Atas (BKA) dan Upper Control Limit (UCL) untuk mengetahui suatu ruas jalan termasuk dalam kriteria rawan kecelakaan atau sebaliknya. Berikut disajikan tabel 3.5 untuk perhitungan lokasi rawan kecelakaan : Tabel 3.5 Lokasi Rawan Kecelakaan

No Ruas Jalan

Nilai Pembobotan AEK BKA UCL Ket 1

2 3

Perhitungan pada Tabel 3.5 akan didapatkan nilai-nilai dari Batas Kontrol Atas (BKA) dan Upper Control Limit (UCL), yang kemudian akan dibandingkan dengan nilai Angka Ekuivalen Kecelakaan (AEK) dalam bentuk diagram batang. Nilai AEK yang melebihi salah satu parameter BKA atau UCL dinyatakan sebagai kriteria rawan kecelakaan.

 Pemetaan Daerah Rawan Kecelakaan Berbasis Peta GIS

Dalam pemetaan rawan kecelakaan tersebut terdapat berbagai tahapan yang digunakan yaitu:

1.Penyusunan Database

2.Model Pemetaan Daerah Rawan Kecelakaan 3.Model Visual Pemetaan Daerah Rawan Kecelakaan.

HASIL DAN PEMBAHASAN Pengumpulan Data

Data Sekunder

Data Kecelakaan Lalu Lintas

Data kecelakaan yang dibutuhkan dalam penelitian ini berupa data kecelakaan lalu lintas tahun 2016- 2018 yang bersumber dari Polres Lombok Barat.

Kecelakaan lalu lintas tahun 2016 sebanyak 151 kecelakaan, tahun 2017 sebanyak 74 kecelakaan dan tahun 2018 sebanyak 145 kecelakaan.

Tabel 4.1 Jumlah Peristiwa Kecelakaan Lalu Lintas di Kabupaten Lombok Barat

No. Tahun Jumlah peristiwa kecelakaan 1 2016 151 kejadian 2 2017 74 kejadian 3 2018 145 kejadian

Total 370 kejadian

Sumber : Polres Lombok Barat, 2019

Data Jumlah Kendaraan Kabupaten Lombok Barat

Data jumlah kendaraan yang dibutuhkan dalam penelitian ini berupa data jumlah kendaraan tahun 2016-2018 yang bersumber dari Samsat Lombok Barat. Jumlah kendaraan tahun 2016 sebanyak 59.272 unit, tahun 2017 sebanyak 66.859 unit dan tahun 2018 sebanyak 70.086 unit.

Tabel 4.2 Jumlah Kendaraan di Kabupaten Lombok Barat

No. Tahun Jumlah kendaraan

1 2016 59.272 unit

2 2017 66.859 unit

3 2018 70.086 unit

Total 196217 unit

Sumber : Samsat Lombok Barat, 2019 Data Jumlah Penduduk Kabupaten Lombok Barat

Data jumlah penduduk yang dibutuhkan dalam penelitian ini berupa data jumlah penduduk tahun 2016-2018 yang bersumber dari Badan Pusat Statistik Lombok Barat.

Tabel 4.3 Jumlah Penduduk di Kabupaten Lombok Barat

No. Tahun Jumlah penduduk

1 2016 665.132 jiwa

2 2017 675.222 jiwa

3 2018 688.400 jiwa

Total 1.421.054 jiwa

Sumber : BPS Lombok Barat, 2019 Analisa Data

Analisa Faktor Penyebab Kecelakaan

Berdasarkan data yang didapatkankan dari Polres Lombok Barat tahun 2016-2018 (Terlampir) direkapitulasi seperti pada tabel berikut. Untuk beberapa faktor penyebab kecelakaan lalu lintas sebagai berikut :

Tabel 4.4 Faktor Penyebab Kecelakaan lalu lintas berdasarkan data kepolisian

Sumber : Hasil Analisis Data

(9)

6 Gambar 4.4 Diagram Faktor Penyebab Kecelakaan

Berdasarkan tabel dan grafik diatas, terlihat bahwa faktor penyebab kecelakaan terbanyak terjadi dikarenakan oleh manusia yaitu pengemudi sebesar 82,91%, pejalan kaki sebesar 15,05%, kendaraan dengan keadaan rem tidak berfungsi dan ban kurang baik sebesar 0,51%, jalan rusak 1,53%

dan lingkungan sebesar 0,00%. Dari hasil analisa diatas didapatkankan faktor penyebab kecelakaan tertinggi terdapat pada faktor manusia yaitu pengemudi dan pejalan kaki. Untuk analisis dan pembahasan faktor manusia dilihat dari usia/umur pelaku dan korban, pendidikan, waktu terjadinya kecelakaan dan kepemilikan SIM pelaku dan korban.

Faktor Usia/Umur Pelaku dan Korban

Data usia/umur pelaku dan korban kecelakaan tahun 2016-2018 didapatkankan dari Polres Lombok Barat dari data tersebut akan direkapitulasi seperti yang dilihat pada tabel 4.5 dan gambar 4.5 sebagai berikut :

Tabel 4.5 Karakteristik Usia Pelaku dan Korban

Sumber : Hasil Analisa Data

Gambar 4.5 Diagram Karakteristik Usia Pelaku dan Korban

Berdasarkan tabel dan grafik di atas terlihat bahwa karakteristik usia korban dan pelaku kecelakaan lalu lintas yang paling banyak adalah usia 16-30 tahun sebesar 46,48%. Hal ini menunjukan bahwa dimana di usia 16-30 tahun masih dipengaruhi labilnya emosi seseorang dalam berkendaraan. Kemudian diikuti usia 0-9 tahun sebesar 3,08%, usia 10-15 tahun sebesar 7,25%, usia 31-40 tahun sebesar 14,73% dan usia 51 tahun keatas sebesar 13,08%.

Berdasarkan hasil persentase pada analisa diatas menunjukan bahwa distribusi pelaku dan korban kecelakaan berdasarkan umur didominasi oleh kelompok umur 16-30 tahun sebesar 46,48%.

Kelompok umur 16-30 tahun merupakan pengendara muda yang masih dalam fase pematangan kedewasaan sehingga keinginan untuk mencoba hal-hal baru masih sangat tinggi. Selain itu masih labilnya emosi seseorang dalam berkendara seperti : mengemudikan kendaraan dengan perilaku yang tidak terkontrol (ugal-ugalan) dan keterampilan yang terbatas akan membuka peluang terjadi resiko kecelakaan tinggi.

Faktor Pendidikan Pelaku dan Korban

Data pendidikan pelaku dan korban kecelakaan tahun 2016-2018 didapatkankan dari Polres Lombok Barat kemudian dari data tersebut akan direkapitulasi seperti yang dilihat pada tabel 4.6 dan gambar 4.6 sebagai berikut :

Tabel 4.6 Pendidikan Pelaku dan Korban

Gambar 4.6 Diagram Pendidikan Pelaku dan Korban Kecelakaan

Berdasarkan tabel dan grafik di atas terlihat bahwa pendidikan korban dan pelaku kecelakaan lalu lintas yang paling banyak adalah pendidikan SLTA sebesar 80,85%. Hal ini menunjukan bahwa dimana di pendidikan SLTA masih dipengaruhi 82.91%

15.05%

0.51% 1.53%

0.00% Pengemudi Pejalan kaki Kendaraan Jalan rusak Lingkungan

3.08% 7.25%

46.48 14.73 %

% 15.38

% 13.08

% 0-9

10_15 16-30 31-40 41-50 51-Keatas

6.24%

8.13%

80.85%

2.78%2.00% SD

SLTP SLTA PERGURUA N TINGGI LAIN-LAIN

(10)

7 labilnya emosi seseorang dalam berkendaraan.

Kemudian diikuti SLTP sebesar 8,13%, SD sebesar 6,24%, Perguruan Tinggi sebesar 2,78%, dan lain- lain sebesar 13,08%.

Kepemilikan SIM

Data kepemilikan SIM pelaku dan korban kecelakaan tahun 2016-2018 didapatkankan dari Polres Lombok Barat terdapat pada lampiran D, kemudian dari data tersebut akan direkapitulasi seperti yang dilihat pada Tabel 4.8 dan gambar 4.8 sebagai berikut :

Tabel 4.7 Kepemilikan SIM pelaku No Gol

SIM

Tahun

Total 2016 2017 2018

1 A 8 6 7 21

2 B 6 4 8 18

3 C 15 10 12 37

4 Tanpa

SIM 32 35 75 142

Total 61 55 102 218

Gambar 4.7 Diagram Kepemilikan SIM pelaku Berdasarkan tabel dan gambar diatas terlihat bahwa 65,14% pelaku kecelakaan lalu lintas yang tidak memiliki SIM kemudian diikuti kepemilikan SIM C sebanyak 16,97%, SIM A sebanyak 9,63%

dan SIM B sebanyak 8,26 %.

Tabel 4.8 Kepemilikan SIM korban No Gol

SIM

Tahun

Total 2016 2017 2018

1 A 0 1 0 1

2 B 2 1 0 3

3 C 21 17 25 63

4 Tanpa

SIM 33 51 109 193

Total 56 70 134 260

Sumber : Hasil Analisa Data

Gambar 4.8 Diagram Kepemilikan SIM Korban Dari tabel dan gambar diatas terlihat bahwa 74,23%

korban kecelakaan lalu lintas yang tidak memiliki SIM kemudian diikuti kepemilikan SIM C

sebanyak 24,23%, SIM A sebanyak 0,38% dan SIM B sebanyak 1,15 %.

Berdasarkan hasil analisa persentase diatas menunjukan bahwa sebagian besar pelaku atau korban kecelakaan lalu lintas tidak memiliki Surat Izin Mengemudi (SIM) dengan persentase sebesar 65,14% pelaku dan 74,23% korban. Banyaknya pelaku ataupun korban yang tidak memiliki SIM didominasi usia 16-21 tahun pada jenjang pendidikan SLTA, dimana untuk mendapatkan SIM harus dengan syarat berumur 17 tahun dan melalui tahapan-tahapan tes dari kepolisian.

Analisa Angka Kecelakaan Lalu Lintas Berdasarkan Jumlah Kendaraan

sebagai contoh perhitungan digunakan tahun 2016 R= ^.

= ^.

= 25 kec/10.000 kend

Dimana:R = Angka kecelakaan per 10.000 kendaraan setiap tahun

T = Jumlah kecelakaan tahun 2016 pada tabel 4.1

V = Jumlah kendaraan tahun 2016 pada tabel 4.2

Perhitungan tahun selanjutnya terdapat pada tabel dibawah ini :

Tabel 4.9 Tingkat Kecelakaan Berdasarkan Jumlah Kendaraan

Berdasarkan analisa tingkat kecelakaan berdasarkan jumlah kendaraan menunjukan bahwa tahun 2016 terjadi 25 kecelakaan/10.000 kendaraan kemudian menurun tahun 2017 sebesar 11 kecelakaan/10.000 kendaraan dan meningkat pada tahun 2018 sebesar 20 kecelakaan/10.000 kendaraan.

Berdasarkan Jumlah Penduduk

Sebagai contoh perhitungan digunakan tahun 2016

R= ^. = ^.

.

= 23 kec/100.000 penduduk

Dimana :R = Angka kecelakaan per 100.000 penduduk setiap tahun

T = Jumlah kecelakaan tahun 2016 pada tabel 4.1

9.63%

8.26%

16.97%

65.14%

A B C

Tanpa SIM

0.38% 1.15%

24.23%

74.23%

A B C

Tanpa SIM

(11)

8 V = Jumlah penduduk tahun 2016 pada

tabel 4.2

Perhitungan tahun selanjutnya terdapat pada tabel dibawah ini :

Tabel 4.10 Tingkat Kecelakaan Berdasarkan Jumlah Penduduk

Berdasarkan analisa tingkat kecelakaan berdasarkan jumlah penduduk menunjukan bahwa tahun 2016 terjadi 23 kecelakaan/100.000 penduduk kemudian menurun tahun 2017 terjadi 11 kecelakaan/100.000 penduduk dan meningkat tahun 2018 sebesar 21 kecelakaan /100.000 penduduk.

Berdasarkan Tingkat Kecelakaan Menggunakan Angka Ekivalen Kecelakaan (AEK)

Pembobotan angka ekivalen kecelakaan ini menggunakan tiga pembobotan yaitu Puslitbang Jalan dengan perbandingan meninggal dunia dikalikan 12, luka berat dikalikan 3, luka ringan dikalikan 3 dan kerugian materi dikalikan 1, kemudian Dinas Perhubungan dengan perbandingan meninggal dunia dikalikan 12, luka berat dikalikan 6, luka ringan dikalikan 3 dan kerugian materi dikalikan 1 dan Kepolisian dengan perbandingan meninggal dunia dikalikan 10, luka berat dikalikan 5, luka ringan dikalikan 1 dan kerugian materi dikalikan 1. Data kecelakaan tahun 2016-2018 dari Polres Lombok Barat yang terdapat pada lampiran A, B dan C akan dikalikan dengan pembobotan angka ekivalen kecelakaan seperti pada tabel dibawah ini :

Tabel 4.11 Perangkingan Angka Kecelakaan Berdasarkan Angka Ekivalen Kecelakaan (AEK)

Sumber:Hasil Analisa Data ( Puslitbang Jalan ) Berdasarkan tabel diatas terlihat bahwa Jl.

Raya senggigi memiliki angka kecelakaan tertinggi kemudian diikuti Jl. Raya Baypas Bil, Jl.TGH Ibrahim Alkhalidi, Jl. Raya Yos Sudarso dan Jl. DR Soetomo.

Sumber:HasilAnalisa Data(DinasPerhubungan) Berdasarkan tabel diatas terlihat bahwa Jl.

Raya senggigi memiliki angka kecelakaan tertinggi kemudian diikuti Jl. Raya Baypas Bil, Jl. TGH Ibrahim Alkhalidi, Jl. Raya Yos Sudarso dan Jl. DR Soetomo.

Sumber : Hasil Analisa Data ( Kepolisian)

Berdasarkan tabel diatas terlihat bahwa Jl. Raya senggigi memiliki angka kecelakaan tertinggi kemudian diikuti Jl. Raya Baypas Bil, Jl.TGH Ibrahim Alkhalidi, Jl. Raya Yos Sudarso dan Jl.

TGH Lopan.

Analisis Daerah Rawan Kecelakaan Analisis Statistik Z-Score

Perhitungan Z-score menggunakan hasil perhitungan angka kecelakaan lalu lintas dengan menggunakan pembobotan Puslitbang Jalan, adalah sebagai berikut :

1. Perhitungan Z-score untuk pertumbuhan angka kecelakaan kurun waktu tiga tahun 2016,2017 dan 2018

a. Mencari nilai rata-rata X = ^∑ = ^, = 3,065

Dimana ∑ = Total AEK selama tiga tahun pada lampiran tabel A.1

n = Jumlah sampel

Nilai rata-rata kecelakaan selama kurun waktu tiga tahun didapatkan sebesar 3,065. Perhitungan selanjutnya dapat dilihat pada lampiran tabel A.1

b. Standar deviasi

Pada contoh perhitungan ini menggunakan ruas jalan raya senggigi

(12)

9 Sd = ^∑( ^)² = ^∑ ^, = 20,35

Nilai standar deviasi per tahun didapatkan sebesar 20,35. Perhitungan selanjutnya dapat dilihat pada lampiran tabel A.1

c. Mencari nilai Zi Zi = = ^,

, = 6,89

Nilai Z-score yang didapatkan sebesar 6,89 pada contoh ini perhitungan diambil ruas jalan raya senggigi. Perhitungan selanjutnya dapat dilihat pada lampiran A.1

2. Perhitungan Z-score untuk pertumbuhan angka kecelakaan tahun 2018

a. Mencari nilai rata-rata X = ^∑ = = 19,82

Dimana ∑ = Total AEK selama tahun 2018 pada lampiran tabel A.2

n = Jumlah sampel

Nilai rata-rata kecelakaan tahun 2018 didapatkan sebesar 19,82. Perhitungan selanjutnya dapat dilihat pada lampiran tabel A.2

b. Standar deviasi

Pada contoh perhitungan ini menggunakan ruas jalan raya senggigi

Sd = ^∑( ^)² = ^∑ ^, = 19,82

Nilai standar deviasi per tahun didapatkan sebesar 19,82. Perhitungan selanjutnya dapat dilihat pada lampiran tabel A.2

c. Mencari nilai Zi Zi = = ^,

, = 6,11

Nilai Z-score yang didapatkan sebesar 6,11 pada contoh ini perhitungan diambil ruas jalan raya senggigi. Perhitungan selanjutnya dapat dilihat pada lampiran A.2

Gambar 4.9 Z-score Pertumbuhan angka kecelakaan tiga tahun dan Z-score angka

kecelakaan tahun 2018

Berdasarkan grafik diatas menunjukan ruas jalan yang memiliki angka pertumbuhan kecelakaan tertinggi di atas rata-rata kecelakaan yaitu pada ruas Jalan Raya Senggigi, Jalan Raya Baypas Bil dan Jalan Raya TGH Ibrahim Alkhalidi. Ruas-ruas jalan tersebut dapat diidentifikasikan sebagai lokasi black site atau ruas jalan yang rawan terjadi kecelakaan.

Pemetaan Daerah Rawan Kecelakaan Berbasis Peta GIS

Penyusunan Program Database

Pada penyusunan database daerah rawan kecelakaan ini terdapat berbagai macam informasi yang dapat ditampilkan. Informasi-informasi yang dapat ditampilkan tersebut yaitu : Informasi Tabel, Informasi Label, Informasi Teks,Informasi dari Ms Excel

Model Pemetaan Daerah Rawan Kecelakaan Untuk pemetaan daerah rawan kecelakaan data yang diperoleh dari database menggunakan software Arc map dengan hasil tampilan layer menggunakan tiga pembobotan dari Puslitbang Jalan, Dinas Perhubungan, Kepolisian dan layer titik rawan kecelakaan tahun 2016, 2017 dan 2018 seperti gambar yang terlihat dibawah ini :

Gambar 4.10 Peta Rawan Kecelakaan Lalu Lintas di Kabupaten Lombok Barat Angka Kecelakaan Dinas Perhubungan

Gambar 4.11 Peta Rawan Kecelakaan Lalu Lintas di Kabupaten Lombok Barat Angka Kecelakaan Kepolisian/Polri

(13)

10 Gambar 4.12 Peta Rawan Kecelakaan Lalu Lintas

di Kabupaten Lombok Barat Angka Kecelakaan Puslitbang Jalan (PU)

Model Visual Pemetaan Daerah Rawan Kecelakaan

Tampilan yang dihasilkan dari lokasi rawan kecelakaan lalu lintas di Kabupaten Lombok Barat terdiri dari beberapa layer yang menyusunnya, dimana setiap layer terdiri dari layer Puslitbang jalan, Dinas Perhubungan dan Kepolisian, dari berbagai kriteria rawan kecelakaan tinggi, rawan kecelakaan sedang dan rawan kecelakaan rendah dengan diwakili oleh theme masing-masing yaitu : Theme tiap daerah, Theme ruas jalan, Theme lokasi rawan kecelakaan dan Theme tambahan, berupa bangunan-bangunan eksisting yang menampilkan lokasi-lokasi bangunan tertentu yang ada di Kabupaten Lombok Barat yang dilengkapi dengan informasi teks dan gambar.

KESIMPULAN DAN SARAN Kesimpulan

Berdasarkan hasil analisis dan pembahasan, maka dapat diambil kesimpulan yaitu sebagai berikut ini :

a. Faktor utama penyebab kecelakaan lalu lintas di Kabupaten Lombok Barat adalah faktor pengemudi sebesar 82,91% dimana disebabkan pengaruh minuman beralkohol, lengah, mengantuk, lelah, tidak tertib dan berkendaraan dengan kecepatan tinggi.

b. Daerah rawan kecelakaan dengan ruas jalan yang teridentifikasi sebagai rawan kecelakaan berdasarkan perhitungan analisis statistik Z- Score tahun 2016, 2017 dan 2018 yang memiliki angka pertumbuhan kecelakaan tertinggi di atas rata-rata kecelakaan yaitu Jalan Raya Senggigi, Jalan Raya Baypas Bil, Jalan Raya TGH Ibrahim Alkhalidi dan Jalan Raya Yos Sudarso.

c. Pemetaan daerah rawan kecelakan di Kabupaten Lombok Barat dengan tampilan yang dihasilkan terdiri dari beberapa layer yaitu layer Puslitbang Jalan (PU), Dinas Perhubungan, Kepolisian, titik rawan 2016, 2017 dan 2018.

5.2 Saran

a. Untuk daerah rawan kecelakaan perlu dipasang rambu peringatan daerah berbahaya bahwa pada ruas jalan yang bersangkutan sering terjadi kecelakaan lalu lintas. Biasanya ditempatkan sekurang-kurangnya 50 meter sebelum memasuki ruas jalan yang dianggap berbahaya dengan memperhatikan kondisi lalu lintas dan geometrik jalan yang ada.

b. Perlu dilakukan penyuluhan dan sosialisasi keselamatan dalam berlalu lintas, baik melalui sekolah-sekolah maupun langsung kepada masyarakat, karena kecelakaan lalu lintas ini didominasi oleh faktor manusia yaitu pengemudi selaku pengguna jalan itu sendiri.

DAFTAR PUSTAKA

Badan Pusat Statistik Kabupaten Lombok Barat, 2018, Kabupaten Lombok Barat Dalam Angka 2018, Lombok Barat.

Badan Pusat Statistik Provinsi Nusa Tenggara Barat, 2018, Provinsi Nusa Tenggara Barat Dalam Angka 2018, Nusa Tenggara Barat.

Departemen Permukiman dan Prasarana Wilayah, 2004. Pd T-09-2004-B, Tentang Penanganan Lokasi Rawan Kecelakaan Lalu Lintas.

Hasan Iqbal, M, 2013, Pokok-pokok Materi Statistik 1 (Statistik Deskriptif), Bumi Aksara, Jakarta.

Munawar Ahmad, 2014, Manajemen Lalu Lintas Perkotaan, Beta Offset, Yogyakarta

Raharjo, B. Dkk. 2015. Belajar ArcGIS Desktop 10.Kalimantan Selatan : Penerbit Geosiana Press.

Wardani Kurnia Kusuma, 2014, Analisia Daerah Rawan Kecelakaan Lalu Lintas di Kota Mataram, Jurusan Teknik Sipil Fakultas Teknik Universitas Mataram.

Wedasana Agus Surya, 2011, Analisis Daerah Rawan Kecelakaan dan Penyusunan Database Berbasis Sistem Informasi Geografis (Studi Kasus Kota Denpasar), Jurusan Magister Teknik Sipil Fakultas Teknik Universitas Udayana.

Wiraguna Arief., dkk, 2017. Analisis Daerah dan Titik Rawan Kecelakaan pada Ruas Jalan Kolektor Sekunder di Kota Surakarta, Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret.

Yulianto, Rudi, 2013, Analisa Karakteristik Lalu Lintas Lokasi Rawan Kecelakaan Di Kota Bandar Lampung, Jurusan Teknik Sipil Fakultas Teknik Universitas Lampung, Bandar Lampung.