ANALISIS POLA TINGKAH LAKU PENGENDARA SEPEDA MOTOR DI KOTA SURABAYA DENGAN DRIVER BEHAVIOUR QUESTIONNAIRE (DBQ) Anna Riskiansah(1) , Dr. Dra. Ismaini Zain, M.Si(2) (1)
Mahasiswa Institut Teknologi Sepuluh Nopember, (2) Dosen Statistika Institut Teknologi Sepuluh Nopember
ABSTRAK Faktor yang menjadi penyebab utama kecelakaan lalu lintas adalah faktor tingkah laku pengendara. Bila ditinjau dari pihak yang terlibat dalam kecelakaan, kelompok usia muda memiliki resiko yang paling tinggi. Oleh karena itu dalam penelitian ini dilakukan analisis pola tingkah laku pengendara sepeda motor kelompok usia muda dengan Driver Behaviour Questionnaire (DBQ). DBQ telah banyak diaplikasikan di beberapa negara dunia untuk menganalisis tingkah laku pengendara yang menyimpang. Penelitian ini menggunakan analisis deskriptif, analisis faktor dan regresi binomial negatif. Dengan analisis faktor didapatkan lima faktor dari DBQ yairu error, highway violation, aggressive violation, slips dan lapses. Pengendara motor laki-laki cenderung untuk melakukan perilaku menyimpang terkait error, violation dan speed sedangkan pengendara motor perempuan cenderung untuk melakukan kecerobohan (lapses). Dari model jumlah kecelakaan didapatkan empat variabel prediktor yang signifikan yaitu stress, slips, lama kepemilikan SIM dan jenis kelamin. Kata Kunci: Tingkah laku pengendara, kelompok usia muda, DBQ, Regresi Binomial Negatif
1. PENDAHULUAN Kecelakaan dipengaruhi oleh banyak interaksi faktor seperti faktor lingkungan (seperti cuaca, kondisi jalan, lalu lintas), faktor kendaraan (seperti tipe dan kondisi) dan pengemudi (seperti kemampuan pengemudi dan tingkah laku pengemudi). Faktor yang menjadi penyebab utama kecelakaan lalu lintas adalah faktor pengemudi, faktor tersebut berkontribusi lebih dari 90 persen dalam mempengaruhi kecelakaan (Dinas Perhubungan, 2008). Pengemudi cenderung mengemudi berdasarkan motif personal bukan berdasarkan keselamatan untuk mencapai tempat tujuan (Grey dkk, 1989). Oleh karena itulah tingkah laku pengemudi atau bagaimana seseorang mengemudi mempunyai significant impact terhadap kecelakaan. Radin (1997) dalam Lulie dan Hatmoko (2003), Pengemudi yang mengalami kecelakaan sebagian besar merupakan kelompok usia muda, rasio resiko kecelakaan yang menyebabkan kematian 51 persen berada di usia 16 tahun hingga 25 tahun. Menurut Husband (2010), kelompok usia pengendara 16-25 tahun adalah kelompok usia pengendara muda.
Data korban meninggal dunia pada tahun 2006 berdasarkan data POLRI sekitar 16,000 jiwa namun data meninggal dunia akan lebih besar apabila mengacu data asuransi sekitar 30,000 jiwa bila terhitung hingga 30 hari setelah terjadi kecelakaan (Dinas Perhubungan, 2005). Disebutkan pula bahwa kecelakaan paling banyak terjadi pada jenis kendaraan sepeda motor. Sepeda motor tergolong unsafe vehicle karena penguasaan kendaraan ini sangat tergantung dengan keahlihan dan pengalaman. Dari 178 responden yang menggunakan sepeda motor 112 responden atau 82.58 persen pernah mengalami kecelakaan (Lulie dan Hatmoko, 2003). Padahal di negara berkembang seperti Indonesia, peningkatan jumlah sepeda motor sangat signifikan. Sepeda motor cenderung dipilih karena merupakan kendaraan yang ekonomis dan dapat lebih mudah melaju di kepadatan lalu lintas darat. Tingginya jumlah kecelakaan di Indonesia tidak diiringi dengan pendataan yang cukup baik. Penelitianpenelitian tentang keselamatan berkendara di lalu lintas pun cukup minim di Indonesia. Oleh karena itu penelitian analisis tingkah laku pengendara sepeda 1
motor pada kelompok usia muda sebagai korban kecelakaan yang paling tinggi perlu untuk dilaksanakan. Kota Surabaya sebagai kota metropolitan yang memiliki mobilitas pengguna jalan dan kepadatan kendaraan yang tinggi mempunyai resiko terjadi kecelakaan yang cukup tinggi. Melihat fakta tersebut maka penelitian dilakukan di Kota Surabaya. Salah satu alat yang sudah digunakan di beberapa negara untuk meneliti tingkah laku pengendara kendaraan adalah Driver Behaviour Questionaire (DBQ). Alat ini telah digunakan di beberapa Negara seperti Finlandia, Netherlands, UK, New Zealand dan China. DBQ mencakup beberapa faktor yang menjadi indikator dalam mengukur tingkah laku pengendara kendaraan bermotor. Penelitian yang menggunakan DBQ menggunakan strategi pengambilan sampel, target populasi dan analisis statistiknya yang beragam bergantung pada obyek penelitian dan tujuan penelitian (Obriot dan Gabaude, 2006). Oleh karena itulah maka penelitian ini menggunakan DBQ dengan beberapa penyesuaian pada faktor-faktor yang diambil sebagai variabel penelitian. Dobson (1999) melakukan penelitian karakteristik tingkah laku pengendara wanita dengan aspek sosiodemografi dan catatan kecelakaan yang dialami responden. Oleh karena itu maka penelitian ini memasukkan aspek sosiodemografi dan catatan kecelakaan yang dialami responden. Selain itu juga diukur aspek stress, thoroughness dan speed. Analisis faktor sering digunakan untuk mengidentifikasi faktor-faktor penyusun tipologi DBQ yang merujuk pada karakter menyimpang pengendara. Ditemukan dua hingga enam faktor yang merujuk pada tipologi DBQ (Ozkan dkk, 2006). Perbandingan secara tipologi memang susah untuk dilakukan karena dilatar belakangi oleh perbedaan budaya maupun metodologi penelitian yang berbeda (Obriot dan Gabaude, 2006). Penelitian sebelumnya menggunakan analisis faktor dengan PCA dan metode rotasi varimax (Obriot dan Abaude, 2006; Wishart dkk,2006). Metode rotasi lain yang juga bisa digunakan adalah rotasi Oblique (Lajunen dkk, 2002; Wishart dkk,2006; Ozkan dkk, 2006). Regresi binomial negatif adalah regresi jumlahan yang merupakan turunan dari distribusi gamma yang digabungkan dengan distribusi poisson dengan penambahan parameter α yang menunjukkan overdispersi pada model poisson (Eskelson dkk, 2009). Regresi binomial negatif dapat digunakan untuk mengetahui faktor-faktor yang signifikan berpengaruh terhadap jumlah kecelakaan (Lajunen dkk, 2002; Ozkan dkk,2006)
2. Analisis Faktor Analisis faktor adalah analisis statistika yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal (Johnson dan Wichern, 2007). Dijelaskan pula bahwa salah satu metode estimasi analisis faktor adalah PCA (Principal Component Analysis). Johnson dan Wichern (2007) juga menjelaskan bahwa analisis faktor digunakan untuk menjelaskan hubungan kovarian antar beberapa variabel yang tersimpan dalam data namun tidak terobservasi yang dinamakan sebagai faktor. Semua variabel yang berada di dalam satu faktor yang sama memiliki korelasi yang tinggi sedangkan variabel-variabel yang berada di faktor yang berbeda memiliki korelasi yang kecil. Vektor variabel random X yang diamati dengan p komponen mempunyai vector mean μ dan matriks kovarian Σ , secara linar bergantung atas sejumlah variabel random yang tidak bias teramati F 1 , F 2 , . . . , F m yang disebut common faktor yang disebut error atau specific faktor. Secara khusus model analisis faktor adalah sebagaimana pada persamaan (1). X – μ 1 = l 11 F 1 + l 12 F 2 + . . . + l 1m F m + ε 1 X – μ 2 = l 21 F 1 + l 22 F 2 + . . . + l 2m F m + ε 2 X – μ 3 = l 31 F 1 + l 32 F 2 + . . . + l 3m F m + ε 3 ... X – μ p = l p1 F 1 + l p2 F 2 + . . . + l pm F m + ε p (1) Notasi matriks: (X – μ ) (p x 1) = L (p x m) F (m x1) + ε
( p x1)
3. Regresi Binomial Negatif Model regresi jumlahan adalah bagian atau subset dari model regresi dengan respon diskrit yang bertujuan untuk menjelaskan jumlah kejadian tertentu sedangkan regresi poisson adalah dasar regresi jumlahan (Eskelson dkk., 2009). Dijelaskan pula bahwa distribusi binomial negatif adalah turunan dari distribusi gamma yang digabungkan dengan distribusi poisson, dengan penambahan parameter α yang menunjukkan overdispersi pada model poisson. Karakteristik distribusi binomial negatif seperti pada persamaan (7). Estimasi model regresi binomial negatif sesuai dengan berikut (2) 2
Dengan: y = variabel dependen bernilai diskrit yaitu 0, 1, 2, . . . α = derajat overdispersi dengan μ dan α adalah parameter, Γ(.) adalah fungsi gamma. Distribusi binomial negatif memiliki E(Y = y) = μ i dan var(Y=y) = μ i + αμ i 2, jika α menuju 0 maka var(Y=y) menuju μ i sehingga akan konvergen dan menuju poisson (Cameron dan Trivedi, 1998). Pengujian hipotesis binomial negatif dilakukan secara serentak dan parsial. Pengujian serentak dilakukan dengan menguji statistik devians atau statistik G2 yang berdistribusi Chi-squared asimptotis dengan hipotesis yang diuji seperti pada persamaan berikut. H 0 : β 1 = β 2 = . . .= β k = α= 0 H 1 : minimal ada satu β k ≠ 0, k=1, 2, . . ., p keputusan menolak hipotesis awal pada persamaan diatas dilakukan jika nilai devians G2> Pengujian parameter secara parsial dilakukan menggunakan hipotesis pada persamaan berikut H0 : βk = 0 H 1 : β k ≠ 0, k=1, 2, . . ., p Pengujian parameter secara parsial dapat menggunakan statistik uji Wald yang berdistribusi asimtotik normal yang dinyatakan dalam persamaan 3. (3) keputusan menolak hipotesis pengujian parameter secara parsial dilakukan jika ≥ 4. Metodologi Penelitian Penelitian ini menggunakan data primer, atau data yang diambil secara langsung dari obyek penelitian. Obyek penelitiannya adalah populasi pengendara sepeda motor di Surabaya pada kelompok usia 16-25 tahun di Surabaya. Perhitungan besarnya sampel dilakukan dengan tujuan untuk mengetahui jumlah sampel minimum yang harus diambil dalam penelitian. Jumlah sampel yang diambil menggunakan metode SRS (Simple Random Sampling) dengan parameter proporsi yaitu proporsi orang yang mengalami kecelakaan dalam tiga tahun terakhir yang didapatkan dari survei pendahuluan.
311.9494 ≈ 312
p = perbandingan (nilai pendekatan) antara subyek yang menjadi obyek dengan seluruh subyek. Bila tidak diketahui bisa diasumsikan 0.5 Var[ Y| x] = μ + α B = batas kekeliruhan yang bisa dikoreksi, bisa dilakukan adjustment bila diinginkan Dari jumlah sampel yang telah dilakukan kemudian distratifikasi (stratified sampling) berdasarkan kelompok umur yaitu usia 16-20 tahun dan 21-25 tahun. Selain itu untuk setiap kelompok umur akan digunakan quota sampling berdasarkan jenis kelamin yaitu 70 persen laki-laki dan 30 persen perempuan. Hal ini didasarkan pada data kecelakaan di Surabaya dimana kasus kecelakaan pada pengendara laki-laki lebih dari tiga kali lipat dibandingkan kasus kecelakaan pada pengendara laki-laki (Data LAKA Resort Kepolisian Kota Surabaya, 2010). Tabel 1 Jumlah Penduduk Surabaya Tahun 2010 Berdasarkan Umur 16-25 tahun
Jumlah Penduduk Jumlah LakiSurabaya sampel laki Perempuan Usia 16-20 224,567 164 115 49 21-25 203,358 148 104 44 Pengambilan sampel dilakukan dengan dua cara yaitu survei langsung (direct) di jalan-jalan yang merupakan daerah rawan kecelakaan dan survei di rumah tangga (non-direct) yang diproporsikan berdasarkan kecamatannya. Survei direct dilakukan di empat titik jalan yaitu Jalan Ahmad Yani, Jalan Mastrib, Jalan Kalianak dan Jalan Kenjeran. Pengambilan sampel di lakukan pada waktu 06.00-12.00 dan 16.00-19.00. Inteval waktu tersebut merupakan waktu rawan terjadinya kecelakaan. Kecamatan yang diambil untuk survei rumah tangga adalah kecamatan Bubutan, Semampir, Tambaksari, Sawahan dan Sukomanunggal. Dari 312 responden yang diambil sebagai sampel hanya 274 responden yang dianalisis setelah dilakukan screening. Screening dilakukan sebagai upaya agar data yang didapatkan dapat memenuhi validitas data. Screening pertama dilakukan pada kelengkapan data, bila terdapat poin-poin yang tidak terisi maka kuesioner tersebut tidak memenuhi screening. Screening kedua dilakukan pada isi jawaban reponden terhadap pertanyaan-pertanyaan dalam kuesioner.
Dengan: 3
Tabel 2 Jumlah Responden Berdasarkan Jenis Kelamin dan Kelompok Umur Jenis Kelamin Kelompok Umur Jumlah Laki-laki Perempuan 16-20 tahun
110 (40,15)
53 (19,34)
163 (59.49)
21-25 tahun
82 (29,93)
29 (10,58)
111 (40.51)
192
82
(70,07)
(29,93)
Total
274
Variabel penelitian yang diukur dalam penelitian ini diadopsi dari penelitian-penelitian sebelumnya. Selain mengukur tingkah laku menyimpang dengan DBQ diukur pula aspek sosiodemografi, psikografi dan pola berkendara seperti penelitian Dobson et.al. (1999). Aspek sosiodemografi yang diukur adalah seperti domisili, daerah asal, jenis pekerjaan dan status tempat tinggal. Sedangkan aspek kebiasaan berkendara adalah jarak berkendara, rata-rata kecepatan di jalan raya, kepemilikan SIM, pengalaman mengemudi dan lama mengemudi. Responden juga diberi pertanyaan mengenai partisipasinya dalam safety riding yang tengah digalakkan oleh POLANTAS. Selain itu responden juga diberi pertanyaan mengenai aktivitas sambil berkendara yang bisa meliputi telepon, SMS, mendengarkan music dan akivitas lain. Keterlibatan kecelakaan dan tilang juga ditanyakan kepada responden. Aspek psikografi diukur pada dua variabel yaitu stress dan thoroughness. Stress mengukur tingkat stress dari reponden yang diadopsi dari Psychological stress measure (PSM) oleh Lemyre dan Tessier (2002). Dalam PSM tersebut terdapat 9 item yang diukur namun item yang dipilih empat item. Skala pengukuran yang digunakan adalah skala likert antara 1 hingga 7 dengan semakin tinggi nilai skor maka frekuensinya juga semakin sering, variabel thoroughness adalah bagaimana kelogisan pengendara motor dalam mengambil keputusan ketika berkendara. Item-item yang diukur pada thoroughness diadopsi dan DMQ (Decision Making Questionnaire). Selain itu diukur pula kebiasaan berkendara dalam kecepatan. Variabel tersebut diberi nama speed dan terdiri dari tiga item yang diadopsi dari DSQ (Driving Style Questionnaire). Catatan kecelakan yang terakhir juga ditanyakan kepada responden seperti siapa yang bersalah dalam kecelakaan, jenis kecelakaan berdasarkan keterlibatan
dan posisi. Selain itu ditanyakan pula mengenai jenis jalan dan jenis severitas. 5. Karakteristik Tingkah Laku Pengendara Sepeda Motor Kelompok Usia Muda di Kota Surabaya Surabaya adalah salah satu kota metropolitan di Indonesia dan menjadi salah satu kota tujuan urbanisasi sehingga pengguna jalannya pun memiliki latar belakang sosiodemografi yang beragam. Penelitian ini ditujukan untuk mengetahui karakteristik pengguna jalan kota Surabaya sehingga pengendara sepeda motor yang berdomisili dan berasal dari kota Surabaya maupun dari luar kota Surabaya diambil sebagai responden. hal ini diduga yang menjadikan keragaraman dalam hasil analisis seperti jarak berkendara. Rata-rata jarak berkendara tiap hari pengenendara sepeda motor kelompok usia muda adalah 19,58 km. nilai range antara nilai minimum dan maksimum sangat besar. Sebagian besar responden yang memiliki rata-rata jarak berkendara per hari yang pendek adalah responden yang memiliki latar belakang pelajar atau mahasiswa. Ditinjau dari rata-rata kecepatan di jalan raya didapatkan rata-rata kecepatan di jalan raya cukup tinggi yaitu 66,32 Km/jam. Rata-rata kecepatan ini jauh lebih tinggi dibandingkan kecepatan aman berkendara adalah 40 Km/jam (hasil wawancara dengan POLANTAS bagian Traffic Management Kota Surabaya). Umur pertama kali berkendara sepeda motor adalah 9 tahun yaitu berada di tingkat Sekolah Dasar (SD). Pengendara sepeda motor laki-laki yang pertama kali berkendara pada usia tingkat SD lebih banyak dibandingkan pertama kali berkendara di atas usia atau sama dengan 16 tahun. Hal yang sebaliknya terjadi pada pengendara motor perempuan. 60 40 20 0 Laki-laki < 12 tahun
Perempuan
< 15 tahun
>=16 tahun
Gambar 1 Umur Mulai Berkendara Sepeda Motor Berdasarkan Jenis Kelamin
16-20
Berdasarkan kelompok umur, kelompok umur tahun memiliki struktur yang berbeda 4
dibandingkan dengan kelompok 21-25 tahun dalam umur mulai berkendara sepeda motor. Kelompok umur 15-20 tahun memiliki persentase yang paling tinggi mulai berkendara pada usia tingkat SMP kemudian persentase tertinggi kedua adalah mulai berkendara pada usia tingkat SD. Kelompok umur 21-25 tahun memiliki persentase yang paling tinggi mulai berkendara pada usia tingkat SMA kemudian usia tingkat SMP. Hal ini menunjukkan umur mulai berkendara pengendara sepeda motor di Surabaya semakin cepat. 80 60 40 20 0 16-20 tahun < 12 tahun
21-25 tahun
< 15 tahun
>=16 tahun
Gambar 2 Umur Mulai Berkendara Sepeda Motor Berdasarkan Kelompok Umur
Selisih persentase responden yang sudah memiliki SIM dan yang belum punya SIM pada pengendara motor laki-laki lebih tinggi dibandingkan pengendara motor perempuan. Persentase pengendara motor laki-laki yang memiliki SIM lebih besar dibandingkan yang belum mempunyai SIM. Pada kelompok umur 16-20 tahun selisih antara persentase yang sudah memiliki SIM dan yang belum kecil sedangkan pada kelompok umur 21-25 tahun besar. Salah satu variabel yang mempengaruhi resiko berkendara adalah variabel waktu berkendara. Berdasarkan rata-rata waktu berkendara, waktu yang paling sering bagi pengendara motor kelompok usia muda untuk berkendara adalah pada pagi hari. Rata-rata waktu berkendara tertinggi kedua adalah siang hari kemudian malam hari. Persentase yang paling rendah pada rata-rata berkendara adalah pada saat sore hari. Sedangkan persentase terjadinya kecelakaan yang paling tinggi adalah malam hari. Hal yang serupa dari hasil penelitian Drummond dkk. (1993), yang menyatakan bahwa resiko kecelakaan meningkat pada saat malam hari.
Pagi
Siang
Sore
30%
22%
21%
Malam
27%
Gambar 3 Persentase waktu Kecelakaan Ditinjau dari partisipasi safety riding oleh POLANTAS Kota Surabaya, tingkat partisipasi dalam persiapan kendaraan, pemakaian lajur kiri dan menyalakan lampu masih cukup rendah. Selain itu dari hasil penelitian ini masih didapatkan pengendara yang masih melakukan aktivitas lain ketika berkendara yaitu sebesar 41 persen. jenis kegiatan yang paling banyak dilakukan oleh pengendara motor sambil berkendara adalah SMS sedangkan yang kedua adalah mendengarkan musik. Sedangkan untuk keterangan lainlain, responden sering menjawab dengan merokok dan mengobrol dengan penumpang. Banyaknya responden yang masih melakukan aktivitas lain sambil berkendara ini menunjukkan masih kurangnya kesadaran pengendara sepeda motor akan keselamatan di jalan. 30 25 20 15 10 5 0 HELM SNI
KLIK
PEMERIKAAN PION, SEIN DAN REM
LAJUR KIRI
MENYALAKAN LAMPU
Gambar 4 Tingkat Partisipasi Responden yang Berkendara sesuai Safety Riding
Ditinjau dari keterlibatan kecelakaan dan tilang, persentase keterlibatan kecelakaan dalam tiga tahun terakhir cukup tinggi mendekati lima puluh persen. Demikian pula dengan persentase keterlibatan tilang tiga tahun terakhir. Persentase pengendara motor yang pernah kecelakaan dan pernah tilang lebih tinggi dibandingkan persentase responden yang pernah kecelakaan namun belum pernah tilang.
5
terburu-buru
22% 15%
kelelahan(kantuk)
52% perhatian teralihkan
11%
lain-lain
Gambar 5 Penyebab Kecelakaan dimana Pihak yang bersalah adalah Pengendara itu Sendiri
Berdasarkan pihak penyebab kecelakaan, 63 persen responden menjawab bahwa kecelakaan merupakan kesalahan responden itu sendiri. Dari 63 persen responden yang menjawab bahwa penyebab kecelakaan adalah dirinya, 52 persen diantara menjawab karena terburu-buru. Penyabab kecelakaan lain adalah karena kelelahan atau kantuk sebesar 11 persen sedangkan karena perhatian teralihkan sebanyak 15 persen. Pada penyebab kecelakaan karena perhatian teralihkan, sebagian besar responden menjawab perhatian teralihkan oleh pengguna jalan lain seperti lawan jenis. Ada pula yang perhatiannya teralihkan karena suasana dan lain sebagainya. Responden yang menjawab lain-lain cukup banyak. Penyebab kecelakaan yang dikategorikan lainlain adalah faktor eksternal seperti keadaan jalan yang berlubang sehingga terpeleset, keadaan kendaraa yang tidak sesuai standard (rem blong) atau karena melakukan pelanggaran (tidak member sign (reteng) saat belok) dan lain sebagainya. Hal ini menunjukkan penguasaan kendaraan pada kelompok usia muda cukup rendah demilikian pula dengan antisipasi ketika berkendara. Dari empat faktor yang diukur dalam DBQ, faktor yang memiliki nilai rata-rata skor tertinggi adalah slips dan lapses dan error. Hal ini menunjukkan pengendara motor kelompok usia muda cenderung melakukan pelanggaran tanpa diniatkan (inattentional violation). Namun hal ini juga menunjukkan bahwa pengendara motor kelompok usia muda masih memiliki pengalaman yang terbatas sehingga sering salah mengambil keputusan ketika berkendara. Item yang memiliki nilai skor rata-rata tertinggi adalah tetap mempercepat laju kendaraan walaupun sadar lampu kuning akan segera berubah merah dan mendahului kendaraan lain dari sebelah kiri, kedua item tersebut merupakan faktor highway violation. Item lain
yang memiliki nilai skor rata-rata tertinggi adalah item tetap berkendara walaupun tidak bisa fokus sehingga salah jalan dan hampir menabrak merupakan faktor slips and lapses. Tabel 2 Statistika Deskriptif Nilai Rata-rata Skor Psikografi, Speed dan DBQ Faktor Tingkah Laku
Mean
Stress Thoroughness Speed Slips dan Lapses Error Highway violation Aggressive violation
2.989 4.136 3.156 2.790 2.736 2.692 2.089
Stdv 1.255 1.472 1.513 1.033 1.090 1.010 1.260
Faktor-faktor DBQ yang digunakan pada penelitian ini mendapatkan perubahan dan penambahan item dari penulis. Untuk memastikan bahwa item-item yang terpilih dalam faktor telah terklasifikasi dengan tepat maka untuk menkonfirmasi kembali struktur faktornya dapat digunakan analisis faktor. Hal ini juga dilakukan karena wilayah penelitian yang digunakan juga berbeda dengan wilayah penelitian DBQ diadopsi. Keempat asumsi analisis faktor terpenuhi yaitu mengikuti distribusi multivariate normal, ada dependensi antar item penelitian, kecukupan data terpenuhi secara serentak(nilai KMO> 0,7) maupun parsial (MSA >0,5) .jadi analisis faktor dapat dilakukan pada data stress, speed, thoroughness dan DBQ. Tabel 4 Keragaman Analisis Faktor dengan Rotasi Varimax Rotasi Varimax Faktor 1 2 3 4 5 6 7 8 9 10
Eigenvalue
Persentase Varians
Persentase Varians Kumulatif
3,800 3,165 2,934 2,571 2,526 2,098 2,086 1,959 1,554 1,202
10,001 8,330 7,721 6,767 6,647 5,522 5,491 5,156 4,089 3,162
10,001 18,331 26,052 32,819 39,467 44,988 50,479 55,635 59,724 62,886
Faktor-faktor yang memiliki eigenvalue diatas satu sebanyak sepuluh faktor. Dari sepuluh faktor yang terbentuk didapatkan persentase varian kumulatif sebesar 62,886 persen. Terdapat tiga faktor yang berturut-turut menyatakan stress (faktor 7), thoroughness (faktor 3) dan speed (faktor 5), hal ini 6
dapat dilihat dari nilai faktor skor yang dominan pada item-item ketiga variabel tersebut. Jadi terdapat tujuh faktor yang menjelaskan variabel DBQ. Dua faktor memiliki satu item saja yang memiliki yang signifikan sehingga dalam penelitian ini faktor-faktor DBQ dikonfimasi terdapat lima faktor menyimpang. Struktur item yang yang terbentuk hampir serupa dengan sebemunya namun untuk faktor slips dan lapses tampak struktur itemnya terbagi menjadi yang masing-masing menjelaskan slips dan lapses sendiri-sendiri. Karena hanya digunakan delapan faktor maka total keragaman yang bisa dijelaskan adalah 55,63 persen. Dari lima faktor baru DBQ perlu diperhatikan pula realibilitas kelima faktor tersebut. Faktor error memiliki alpha cronbach tertinggi yaitu sebesar 0,836. kecil namun mendekati 0,7. Jadi dapat dikatakan masih cukup baik.faktor yang lain seperti aggressive violation dan highway violation memiliki koefisien alpha cronbach 0,785 dan 0,771. Faktor lapses dan slips memiliki nilai alpha cronbach yang lebih kecil dibandingkan yang lain yaitu sebesar 0,669 dan 0,656.
Walaupun kedua faktor tersebut memiliki nilai koefisien alpha crobach yang 6. Model Tingkah Laku Pengendara Sepeda Motor Kelompok Usia Muda di Kota Surabaya Model tingkah laku berkendara ditinjau dari resiko terlibat kecelakaan dilakukan dengan memodelkan jumlah kecelakaan dengan variabel karakteristik tingkah laku berkendara. Hasil model regrasi binomial negatif dapat dilihat pada Tabel 4. Dari Tabel 4 diketahui bahwa resiko kecelakaan dipengaruhi oleh variabel lapses (dengan α= 5 persen), stress (dengan α= 10 persen) dan jenis kelamin (dengan α= 5 persen). Variabel slips adalah kecerobohan yang diakibatkan kurangnya konsentrasi ketika berkendara. Nilai koefisien dari variabel ini positif, jadi korelasi antara variabel slips dengan jumlah kecelakaan adalah positif. Semakin tinggi tingkat slips dari pengendara bermotor maka semakin tinggi pula resiko untuk terlibat kecelakaan. Koefisien regresi binomial negatif bersifat additive pada skala log variabel respon.
Tabel 4 Hasil Analisis Regresi Binomial Negatif Model Tingkah Laku Pengendara Motor Usia Muda Estimate Std. Error z value Pr(>|z|) (Intercept) 0,599 1,462 0,410 0,682 Error 0,054 0,087 0,623 0,534 Aggressive violation -0,009 0,087 -0,108 0,914 Thoroughness 0,107 0,091 1,177 0,239 Highway violation 0,121 0,089 1,366 0,172 Speed 0,073 0,090 0,811 0,418 Stress 0,160 0,087 1,848 0,065** Lapses -0,144 0,093 -1,548 0,122 Slips 0,146 0,086 1,706 0,088** Jarak Berkendara 0,000 0,005 0,086 0,931 Jumlah Aktivitas 0,026 0,024 1,085 0,278 Pengalaman 0,054 0,079 0,689 0,491
IRR 1,821 1,056 0,991 1,113 1,129 1,076 1,174 0,866 1,158 1,000 1,026 1,056
Jenis Kelamin (Perempuan) Umur mulai Berkendara (<=12thn)
-0,496
0,222
-2,234
0,025*
0,609
-0,421
0,558
-0,754
0,451
0,656
Umur mulai Berkendara (1315thn) Lama Kepemilikan SIM Umur
-0,082
0,353
-0,232
0,817
0,921
-0,180 -0,036
0,057 0,078
-3,142 -0,459
0,002* 0,646
0,835 0,965
Catatan: * P-value< 0,05; ** P-value <0,1
7
Variabel stress memiliki koefisien bertanda positif jadi semakin tinggi tingkat stress yang dialami seseorang semakin tinggi pula resikonya terlibat dalam kecelakaan. Pada variabel jenis kelamin, pengendara motor laki-laki digunakan sebagai reference group. Nilai koefisien variabel ini negatif jadi pengendara motor perempuan memiliki resiko yang lebih kecil untuk terlibat kecelakaan dibandingkan pengendara motor lakilaki. Incident Rate Ratio (IRR) memiliki efek multiplicative pada variabel respon. Jadi dari nilai IRR dapat diketahui bahwa pengendara motor perempuan memiliki resiko 0,633 kali dari perempuan. dengan kata lain pengendara motor laki-laki memiliki resiko terlibat kecelakaan lebih dari dua kali lipat dibandingkan pengendara motor perempuan. Tanda koefisien dalam model adalah negatif jadi dapat disimpulkan bahwa semakin lama kepemilika SIM pengendara dapat megurangi resiko untuk terlibat dalam kecelakaan. Model regresi binomial negatif dapat dibentuk dalam dua persamaan yaitu persamaan logit dan eksponensial. Persamaan logit dari model adalah sebagai berikut. Log(jumlah kecelakaan) = 0,599+0,073 (stress)+ 0,146 (slips)0,496 (jenis kelamin=perempuan) 0,180 (lama kepemilikan SIM) Bentuk eksponensial dari model diatas adalah sebagai berikut. Jumlah kecelakaan = exp(0,599+ 0,073 (stress)+ 0,146 (slips) - 0,496 (jenis kelamin= perempuan) 0,180 (lama kepemilikan SIM)) Pengujian kesesuaian model dari model ini dapat menggunakan pengujian goodness of fit. Hipotesis yang diuji adalah sebagai berikut. H 0 : model binomial nagatif sesuai H 1 : model binomial negative tidak sesuai Dari pengujian hipotesis diatas dengan nilai kritis α sebesar 5 persen didapatkan nilai P-value sebesar 0,448. Jadi dapat disimpulkan bahwa hipotesis awal gagal ditolak, model binomial negatif sesuai.
7. Kesimpulan dan Saran Dari analisis dan pembahasan yang telah dilakukan, maka didapakan jawaban permasalahan yang telah dirumuskan adalah sebagai berikut. 1. Karakteristik tingkah laku kelompok usia muda dalam berkendara adalah sebagai berikut a. Berdasarkan aspek pola berkendara, didapatkan informasi bahwa kecepatan rata-rata berkendara dari pengendara motor kelompok usia muda tinggi, jauh lebih tinggi dibandingkan kecepatan aman berkendara. Umur mulai berkendara motor masyarakat semakin cepat. Kepemilikan SIM lebih banyak pada pengendara motor laki-laki. Rata-rata waktu berkendara kelompok usia muda adalah pagi hari dan siang hari. Tingkat partisipasi program safety riding masih cukup rendah pada program penggunaan jalur kiri untuk sepeda motor dan pemeriksaan keadaan kendaraan sebelum berkendara. Selain itu pelanggaran yang cukup tinggi juga terjadi pada aktivitas sambil berkendara yaitu penggunaan telepon seluler. b. Waktu kecelakaan yang paling sering terjadi adalah pada malam hari. Severitas yang paling sering terjadi adalah single severity yaitu luka pada diri sendiri dan atau orang lain juga kerusakan pada kendaraan sendiri dan atau orang lain. Mayoritas responden menyatakan bahwa kecelakaan merupakan kesalahan responden itu sendiri dan karena terburu-buru. c. Berdasarkan aspek psikografi, speed dan DBQ, dapat diketahui bahwa pengendara motor kelompok usia muda cenderung melakukan inattention violation (pelanggaran yang tidak disengaja) namun cenderung melakukan kesalahan pengambilan keputusan ketika berkendara karena pengalaman yang masih terbatas (young problem driver vs young driver problem). 2. Dari model jumlah kecelakaan didapatkan empat variabel prediktor stress, slips, lama kepemilikan SIM dan jenis kelamin. Pengendara motor laki-laki memiliki resiko kecelakaan lebih dari dua kali dibandingkan dengan pengendara motor perempuan. Slips signifikan mempengaruhi kecelakaan, menunjukkan bahwa pengendara motor kelompok usia muda cenderung memiliki perhatian yang 8
mudah dialihkan (low attention allocation). Ditinjau dari kepemilikan SIM, semakin lama kepemilikan SIM pada pengendara motor usia muda dapat menurunkan resiko kecelakaan. Saran dari penelitian ini ditujukan untuk beberapa pihak yaitu DLLAJ (Dinas Lalu Lintas dan Angkutan Jalan), kepolisian dan penelitian selanjutnya. Saran yang diberikan kepada pihak-pihak tersebut adalah sebagai berikut. 1. Kepada pihak DLLAJ, program keselamatan berkendara bukan hanya melalui publikasi namun juga harus ada unsur-unsur lain yang dapat membentuk perilaku berkendara yang baik pada pengendara kelompok usia muda. a. Engineering, meliputi tata kelola jalan dimana didalamnya termasuk tanda jalan, pengaturan ruas jalan, bentuk jalan. b. Environment, meliputi tata kelola lingkungan seperti tata kelola bangunan dan gedung sarana umum. c. Law, meliputi komponen-komponen hukum yang bersifat education dan enforcement. Hasil penelitian dimana umur mulai berkendara yang semakin cepat menjadikan hal ini perlu untuk dikaji dalam sistem kepemilikan SIM, sehubungan didapatkan informasi bahwa lama kepemilikan SIM dapat mengurangi resiko kecelakaan. 2. Kepada pihak kepolisian, keterlibatan tilang memiliki kecenderungan terhadap keterlibatan kecelakaan. Jadi dengan memaksimumkan sarana tilang diharapkan dapat mengurangi resiko kecelakaan dimana proses tersebut memuat nilai mendidik dan efek jera. Selain itu diperlukan informasi tentang arah jalan kota Surabaya, hal ini sebagai upaya memberikan masyarakat informasi mengenai jalur lain ke tempat tujuan (short cut). 3. Untuk penelitian selanjutnya, diharapkan dapat menambah informasi untuk sistem keselamatan berkendara di jalan raya untuk kelompok usia muda misalnya saja untuk mengetahui tahapan umur yang dapat berguna bagi sistem GLS, berikut dengan syarat atau ketentuan dalam proses GLS tersebut. Secara statistik diharapkan untuk penelitian selanjutnya bisa mendapatkan model tingkah laku yang lebih baik dengan menambah variabelvariabel prediktor lain.
8. Daftar Pustaka Dinas Perhubungan Darat. 2008. Laporan Akhir Pedoman Teknis Kampanye Program Keselamatan. [http://www.hubdat.web.id]. (Online: September 23 2010). Dobson, A., Brown, W., Ball, J.,Powers., dan McFadden, M. 1999. Women's Drivers Behaviour, Socio-demographic Characteristic and Accidents. Journal of Accident Research Centre, 31, 525-535. Drummond, et. Al. 1993. Young Driver Research Problem-Overview Report. Report of Australian Transport Safety Bureau,CR 121. Monash University Accident Research Centre: Victoria. Eskelson, dkk. 2009. Estimating Cavity Tree And Snag Abundance Using Negatif Binomial Regression Models And Nearest Neighbor Imputation Methods. Journal of Can. J. For. Res., 39: 1749–1765. Grey, E.M., Triggs, T.J., Haworth, N.L. 1989. Driver aggression: the role of personality, social characteristics, risk and motivation. Report of Australian Transport Safety Bureau, Monash UniversityAccident Research Centre. Johnson, R. A. dan Wichern, D. W. 2007. Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall. Lajunen, T., Parker., D., Summala, H. 2004. The Manchester Driver Behaviour Questionnaire: a cross-sultural study. Journal of Accident Analysis and Prevention 36, 231–238 Lulie,Y., Hatmoko, J.R. 2003. Analisis Hubungan Kecepatan dengan Tebal Helm yang Direkomendasikan. Laporan penelitian: Fakultas Teknik UAJY. Obriot-Claudel, F., Gabaude, C. 2006. The Driver Questionnaire: A French study applied to elderly drivers. Report of Laboratory of Ergonomics and Cognitive Science applied to Transport. French National Institute for Transport dan Safety Research: French. Ozkan, T., Lajunen, T., Summala, H. 2006. Driver Behaviour Queationnaire: A follow-up study. Journal of Accident Analysis and Prevention 38, 386–395. Wishart, dkk. 2006. Utilising the Driver Behaviour Questionnaire in an Organisational Fleet Setting: Are Modifications Required. Journal of the Australasian College of Road Safety 17(2), 31-38. 9
