IDENTIFIKASI LOKASI RAWAN KECELAKAAN LALU LINTAS DI KOTA BOGOR DAN PENSKORAN TINGKAT KERAWANAN RUAS JALAN
YUNI RAFITA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, September 2016
Yuni Rafita NRP G152140101
RINGKASAN YUNI RAFITA. Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan. Dibimbing oleh BAGUS SARTONO dan BUDI SUSETYO. Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas pemerintah Kota Bogor dalam sepuluh tahun terakhir. Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas. Tujuan penelitian ini adalah mengidentifikasi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas di Kota Bogor dan membangun penskoran kerawanan ruas jalan. Penelitian ini merupakan penelitian terapan dengan menggunakan data sekunder. Data yang digunakan diantaranya yaitu data kecelakaan lalu lintas Kota Bogor tahun 2014 – 2015, serta data kondisi jalan dan volume lalu lintas. Data utama kecelakaan lalu lintas diperoleh dari Polresta Bogor, sedangkan data kondisi jalan dan volume lalu lintas diperoleh dari Dinas Lalu Lintas dan Angkutan Jalan (DLLAJ) Kota Bogor. Analisis data pada penelitian ini menggunakan analisis deskriptif, geographic information system (GIS), analisis regresi logistik biner, dan penskoran karakteristik lokasi rawan. Identifikasi lokasi rawan kecelakaan lalu lintas menggunakan statistik kendali mutu sebagai dengan Upper Control Limit (UCL). Model penskoran ruas dibangun menggunakan regresi logistik dari nilai weight of evidence (WOE) karakteristik ruas jalan yang terdiri dari fungsi jalan, kelas jalan, jumlah lajur, dan bentuk geometri. Hasil penelitian menunjukkan bahwa terdapat 37 segmen ruas jalan termasuk kaetegori rawan dari 74 segmen ruas jalan yang teridentifikasi sebagai lokasi titik kecelakaan lalu lintas di Kota Bogor. Berdasarkan scorecard karakteristik ruas jalan yang diperoleh, atribut yang memliki skor tertinggi penyebab rawannya kecelakaan lalu lintas pada ruas jalan Kota Bogor jalan dua arah dan bergeometri tikungan. Kata Kunci : Kecelakaan Lalu Lintas, Lokasi Rawan, Kota Bogor, Penskoran, WOE, Logistik Biner
SUMMARY
YUNI RAFITA. Identification of Traffic Accident Blackspot in Bogor City and Scoring Model for Roads Segment. Supervised by BAGUS SARTONO and BUDI SUSETYO. The existence of Bogor City as buffer area of the Capital of Republic of Indonesia coupled with enormous number of Bogor residence working in Jakarta result in the emergence of various problems in transportation, including traffic accidents. The transportation problem even ranks first among other problems prioritized by the local government of Bogor for the last ten years. One effort that can be applied to reduce the number of traffic accidents is to identify and analyze the condition of roads considered to be the location of traffic accident-prone. The purpose of this study was to identify roads considered as the location of traffic accident black spot in Bogor City and to construct scoring model of roads vulnerability. This study is an applied research which mainly use secondary data of traffic accidents, road conditions, and traffic volumes. The main data of traffic accidents were supplied by the Police of Bogor while data on road conditions and traffic volume were provided by the Bureau of Traffic and Road Transportation (DLLAJ) of Bogor City. Data analysis in this research were applied using descriptive analysis, geographic information system (GIS), binary logistic regression analysis and scoring model of roads segment. Identification of traffic accident blackspot was conducted by using the statistical quality control as the control-chart UCL. The segment scoring model was created through logistic regression with value of weight of evidence (WOE) covered road characteristics consisted of road function, road class, number of lane, and geometric shape. Result showed that there were 37 of 74 road segments identified as location of traffic accident blackspot in Bogor City. Based on the scorecard characteristics of roads obtained, attribute reached the highest score which contributed to traffic accidents in Bogor City was the road section that has two direction and bend roads. Keywords: Traffic Accidents, Accident Blackspot, Bogor City, Scoring Model, WOE, Binary Logistic
© Hak Cipta Milik IPB, Tahun 2016 Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB
IDENTIFIKASI LOKASI RAWAN KECELAKAAN LALU LINTAS DI KOTA BOGOR DAN PENSKORAN TINGKAT KERAWANAN RUAS JALAN
YUNI RAFITA
Tesis sebagai salah satu sarat memperoleh gelar Magister Sains pada Program Studi Statistika Terapan
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016
Penguji Luar Komisi pada Ujian Tesis: Dr. Kusman Sadik S.Si, M.Si
PRAKATA Puji syukur kehadirat Allah SWT atas limpahan karunia-Nya, sehingga akhirnya penulis dapat menyelesaikan tesis yang berjudul “Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas Jalan” ini dengan baik. Penulisan tesis ini dilakukan sebagai salah satu upaya untuk mengurangi angka kecelakaan di Kota Bogor, selain itu juga sebagai persyaratan yang harus dipenuhi dalam menyelesaikan jenjang Magister Sains di Prodi Statistika Terapan, Sekolah Pasca Sarjana Insitut Pertanian Bogor. Penulis menyadari bahwa penyusunan tesis imi tidak lepas dari dukungan dan bantuan dari berbagai pihak, baik yang berupa saran, kritik, bimbingan maupun bantuan lainnya. Pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada dosen pembimbing, Bapak Dr. Bagus Sartono, M.Si dan Bapak Dr. Ir. Budi Susetyo, M.S. dan semua pihak yang telah membantu. Penulis menyadari bahwa dalam tulisan ini masih banyak berbagai kekurangan karena keterbatasan pengetahuan dan kemampuan. Kritik dan saran yang bersifat membangun diharapkan demi kesempurnaan penulisan kedepan.
Bogor, September 2016 Penulis
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
xi xi xi
1 PENDAHULUAN Latar Belakang Tujuan Penelitian
1 1 2
2 TINJAUAN PUSTAKA Kecelakaan Lalu Lintas Lokasi Rawan Kecelakaan Lalu Lintas Geographic Information System (GIS) Sistem Koordinat dan Proyeksi dalam GIS Penskoran Lokasi Rawan Kecelakaan Lalu Lintas Regresi Logistik Biner
2 2 4 5 5 7 10
3 METODE PENELITIAN Data Metode Analisis Data
11 11 12
4 HASIL DAN PEMBAHASAN Profil Kecelakaan Lalu Lintas di Kota Bogor Lokasi Titik Kecelakaan Lalu Lintas Kriteria Segmen Ruas Jalan Penskoran Karakteristik Ruas Jalan
16 16 17 19 20
5 SIMPULAN DAN SARAN Simpulan Saran
26 26 26
DAFTAR PUSTAKA
27
RIWAYAT HIDUP
36
DAFTAR TABEL Tabel 2.1 Ukuran Kualitas Penskoran Tabel 3.1 Daftar Peubah Penelitian Menurut Sumber Data Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada Penskoran Tabel 4.1 Ringkasan Kriteria Segmen Ruas Jalan Tabel 4.2 Nilai WOE Karakteristik Jalan Tabel 4.3 Nilai InfV Karakteristik Jalan Tabel 4.4 Koefisien Model Regresi Logistik Biner Nilai WOE Seluruh Peubah Tabel 4.5 Korelasi Antar Peubah Tabel 4.6 Koefisien Model Regresi Logistik Biner Tanpa WOE Median Tabel 4.7 Statistik Uji G Tabel 4.8 Penskoran Ruas Jalan Tabel 4.9 Perhitungan Skor Jalan Raya Soleh Iskandar 10 Tabel 4.10 Tabulasi Silang Prediksi dan Kenyataan Segmen Ruas Jalan Kota Bogor Tabel 4.11 Ukuran Kualitas Model
9 12 14 19 21 21 22 22 23 23 24 25 25 25
DAFTAR GAMBAR Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur Gambar 2.2 Pembagian Zona UTM Indonesia Gambar 3.1 Diagram Alir Penelitian Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut Karakteristik Jalan Gambar 4.2 Peta Titik Kecelakaan Lalu Lintas Gambar 4.3 Peta Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor
6 7 15 16 18 20
DAFTAR LAMPIRAN 1 Hasil Perhitungan Tingkat Kecelakaan 2 Kriteria Segmen Ruas Jalan
30 32
1
1 PENDAHULUAN Latar Belakang Kecelakaan lalu lintas telah menjadi penyebab kematian yang ke-8 di dunia (WHO 2013), dan menjadi penyebab kematian ketiga di Indonesia (BPS 2015). Korlantas POLRI mencatat sepanjang tahun 2014 terjadi 95,906 kejadian kecelakaan lalu lintas di Indonesia dengan korban meninggal 28,297 jiwa. Jumlah ini naik sebesar 7.12 persen dibandingkan tahun 2013 (BPS 2015). Kecelakaan lalu lintas tidak hanya terbatas pada korban jiwa, namun juga berdampak luas pada kestabilan ekonomi suatu negara. Kecelakaan lalu lintas menjadi salah satu faktor penyebab melemahnya pertumbuhan ekonomi pada negara berkembang. Kecelakaan lalu lintas merupakan salah satu permasalahan krusial di bidang transportasi dan keselamatan jalan (Apparao dan Mallikarjunareddy 2013). Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas pemerintah Kota Bogor dalam sepuluh tahun terakhir (Pemerintah Kota Bogor 2014). Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas. Isen et al. (2013) memberikan skema prioritas yang digunakan untuk menetapkan bobot untuk berbagai faktor yang cenderung mempengaruhi terjadinya kecelakaan. Penetapan bobot dengan geographic information system (GIS) dilakukan pada parameter jalan yang mempengaruhi kecelakaan lalu lintas diantaranya, banyaknya lajur, lebar jalan, tipe jalan, tipe permukaan jalan, kondisi jalan, bahu jalan, obstruksi tepi dan ada tidaknya median. Penetapan bobot untuk suatu peubah pada statistika biasanya dikenal dengan model penskoran. Prinsip utama dari penskoran adalah memberikan skor untuk individu atau sesuatu yang diamati sesuai parameter yang melekat pada dirinya untuk melihat kecenderungan kepada golongan tertentu. Model penskoran banyak diaplikasikan di bidang perbankan, berupa credit scoring, untuk menilai calon nasabah termasuk kategori peminjam “good” atau “bad” (Dilsha dan Kiruthika 2014). Model penskoran memberikan banyak manfaat, diantaranya mudah dipahami dan diaplikasikan, sehingga dapat memberikan penilaian yang objektif dan menetapkan keputusan yang tepat (Chye et al. 2006). Penyusunan model penskoran ruas jalan dilakukan untuk mengamati kondisi ruas jalan yang menjadi lokasi kecelakaan. Pemberian skor dilakukan sebagai ukuran kecenderungan ruas jalan sebagai lokasi rawan kedecelakaan lalu lintas. Proses penskoran diawali dengan melihat hubungan kondisi ruas jalan dengan kategori lokasi kecelakaan. Analisis hubungan antara peubah penjelas, yaitu kondisi ruas jalan dengan peubah respon merupakan kategori lokasi kecelakaan tidak dapat menggunakan regresi linier biasa, karena akan terjadi beberapa pelanggaran asumsi klasik yang dianut oleh regresi linier, yaitu galat yang tidak berdistribusi normal dan ragam yang tidak homogen (Azen dan Walker 2011).
2
Ruas jalan yang menjadi lokasi kecelakaan lalu lintas dibedakan menjadi dua kategori yaitu “rawan” dan “tidak rawan”. Suatu analisis yang melibatkan suatu lokasi tentunya tidak terlepas dari posisi suatu benda dimuka bumi yang disebut sebagai sistem koordinat. Sehingga agar suatu analisis lokasi dapat divisualisasikan secara nyata, diperlukan suatu sistem yang disebut sebagai geographic information system (GIS). Beberapa peneliti berbagai negara telah melakukan analisis lokasi rawan kecelakaan, di Vila Real Portugal oleh Farco (2011), metode yang diaplikasikan yaitu berdasarkan metode yang dikembangkan negara-negara Eropa, berdasarkan euclidean distance between points dan density function. Identifikasi lokasi rawan di Kota Kornool dengan menggabungkan data jumlah kecelakaan dan tingkat luka korban dilakukan oleh Kumar (2013). Sadeghi et al. (2013) melakukan analisis lokasi rawan kecelakaan lalu lintas di Iran dengan terlebih dahulu melakukan identifikasi dan urutan prioritas lokasi. Penelitian yang bertujuan untuk mencari solusi lokasi rawan kecelakaan kecelakaan lalu lintas dengan menganalisis karakteristik kecelakaan lalu lintas di lokasi rawan dilakukan oleh Nirmala (2015). Penelitian tentang lokasi rawan kecelakaan lalu lintas telah banyak dilakukan, namun pada umumnya kajian hanya dilakukan mengenai lokasi rawan kecelakaan lalu lintas. Pada penelitian ini mengkombinasikan beberapa metode diantarana GIS, regresi logistik biner, dan model penskoran untuk mengalisis lokasi rawan kecelakaan Kota Bogor, yang kemudian dilanjutkan dengan menetapkan skor sesuai karakteristik jalan. Hasil analisis lokasi rawan kecelakaan lalu lintas dan penskoran ruas jalan pada penelitian ini diharapkan akan memberikan rekomendasi terbaik kepada pihak berwenang dalam menentukan kebijakan yang tepat dalam rangka mengurangi kecelakaan lalu lintas. Tujuan Penelitian Tujuan penelitian ini adalah mengidentifikasi lokasi rawan kecelakaan lalu lintas Kota Bogor dan membangun model penskoran kerawanan berdasarkan karakteristik ruas jalan.
2 TINJAUAN PUSTAKA Kecelakaan Lalu Lintas Kecelakaan Lalu Lintas adalah suatu peristiwa di jalan raya tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan/atau kerugian harta benda (UU RI No. 22 tahun 2009). Kecelakaan lalu lintas dapat disebabkan oleh kelalaian pengguna jalan, ketidaklayakan kendaraan, serta ketidaklayakan jalan dan/atau lingkungan (UU RI No. 22 tahun 2009). Beberapa faktor terkait karakteristik jalan di antaranya (IRSMS 2013) : a. Fungsi Jalan Menurut Undang- Undang No 38 Tahun 2004, terdapat empat fungsi jalan, yaitu:
3
1.
2.
3.
4.
5.
Jalan Tol, adalah jalan yang akses publiknya terbatas, dimana para pengguna kendaraan bermotor dikenakan biaya untuk mendapatkan akses dan dapat menggunakan jalan. Jalan tol tidak terbuka untuk pengguna lalu lintas secara umum, dan ada pembatasan pada jenis kendaraan bermotor yang dapat mengaksesnya (kendaraan bermotor roda empat atau lebih). Dalam kondisi ideal, kecepatan rata-rata tinggi. Jalan Arteri, adalah jalan umum yang berfungsi melayani angkutan utama dengan ciri perjalanan jarak jauh, kecepatan rata-rata tinggi, dan jumlah jalan masuk dibatasi secara berdaya guna. Jalan Kolektor, adalah jalan umum yang berfungsi melayani angkutan pengumpul atau pembagi dengan ciri perjalanan jarak sedang, kecepatan rata-rata sedang, dan jumlah jalan masuk dibatasi. Jalan Lokal, adalah jalan umum yang berfungsi melayani angkutan setempat dengan ciri perjalanan jarak dekat, kecepatan rata-rata rendah, dan jumlah kendaraan masuk tidak dibatasi. Jalan Lingkungan, adalah jalan umum yang berfungsi melayani angkutan lingkungan dengan ciri perjalanan jarak dekat, dan kecepatan rata-rata rendah.
b.
Kelas Jalan Menurut UU RI No. 22 tahun 2009 terdapat tiga kelas jalan, yaitu : 1. Jalan Kelas I, merupakan jalan arteri dan kolektor yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5 meter, panjang tidak lebih dari 18 meter, tinggi maksimal 4.2 meter, dan maksimum muatan sumbu terberat 10 ton. 2. Jalan Kelas II, merupakan jalan arteri, kolektor, lokal dan lingkungan yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5 meter, panjang tidak lebih dari 12 meter, tinggi maksimal 4.2 meter, dan maksimum muatan sumbu terberat 8 ton. 3. Jalan kelas III, merupakan jalan arteri, kolektor, lokal dan lingkungan yang dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.1 meter, panjang tidak lebih dari 9 meter, tinggi maksimal 3.5 meter, dan maksimum muatan sumbu terberat 8 ton.
c.
Tipe Jalan Merupakan konfigurasi lajur pada jalan dan keberadaan pembatas jalan yang memisahkan arah pergerakan lalu lintas. Tipe jalan terbagi menjadi beberapa bagian yaitu : 1. 2/2 TB, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan tidak ada median pemisah 2. 2/2 B, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan ada median pemisah 3. 4/2 TB, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan tidak ada median pemisah 4. 4/2 B, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan ada median pemisah 5. 6/2 TB, yaitu jalan yang terdiri dari 6 lajur dengan 2 arah/jalur dan tidak ada median pemisah
4
6. 7. 8.
6/2 B, yaitu jalan yang terdiri dari 6 lajur dengan 2 arah/jalur dan ada median pemisah 1/1, yaitu jalan yang terdiri dari 1 lajur dengan 1 arah/jalur 2/1, yaitu jalan yang terdiri dari 2 lajur dengan 1 arah/jalur
d. Bentuk Geometri Jalan Bentuk geometri jalan lokasi kecelakaan terdiri dari beberapa kategori, yaitu lurus dan tikungan. e. Kondisi Permukaan Jalan Kondisi permukaan jalan adalah kondisi pada permukaan jalan yang terlihat dengan kasat mata dan mempunyai kontribusi sebagai penyebab kecelakaan lalu lintas. Beberapa kondisi permukaan jalan, yaitu baik, berlubang, berombak, keriting, basah, beralur, licin, berdebu, dan banjir. f. Kemiringan Jalan Menggambarkan gradien kemiringan jalan yang paling tepat di lokasi kecelakaan, yaitu datar dan menanjak/menurun. g. Pengaturan Simpang Catatan ini akan menunjukkan apakah kecelakaan terjadi di persimpangan. Pengaturan simpang terbagi dua kategori yaitu tidak dikendalikan dan dikendalikan. h. Batas Kecepatan Merupakan batas kecepatan maksimum dalam km/jam yang dapat dilihat pada rambu jalan yang ada di lokasi kecelakaan. Batas kecepatan (km/jam) yaitu 20, 30, 40, 50, 60, 80, 100, 120, dan tidak diketahui.
Lokasi Rawan Kecelakaan Lalu Lintas Lokasi rawan kecelakaan adalah suatu lokasi dimana angka kecelakaan tinggi dengan kejadian kecelakaan berulang dalam suatu ruang dan rentang waktu yang relatif sama yang diakibatkan oleh suatu penyebab tertentu. Departemen permukiman dan prasarana wilayah (2004) memberikan formula untuk menentukan lokasi rawan kecelakaan, yaitu statistik kendali mutu dengan terlebih dahulu menentukan tingkat kecelakaan. Perhitungan tingkat kecelakaan untuk ruas jalan menggunakan rumus : Tk = dengan, Tk Fk LHRT n L 100JPKP
Fk × 108
LHRT ×n ×L ×365
(1)
adalah tingkat kecelakaan (100 JPKP) adalah frekuensi kecelakaan di ruas jalan selama n tahun data adalah lalu lintas harian rata-rata n tahun data adalah jumlah tahun data adalah panjang ruas jalan (km) adalah kecelakaan/ seratus juta perjalanan kendaraan per-km
5
Penentuan lokasi rawan kecelakaan selanjutnya menggunakan statistik kendali mutu (Kowtanapanich dan Tanaboriboon, 2006) sebagai Upper Control Limit (UCL). λ
0.5
𝑈𝐶𝐿 = λ + [ 1.96 √L ] − [ L ] dengan, UCL λ L
(2)
adalah garis kendali batas atas adalah rata-rata tingkat kecelakaan dalam satuan kecelakaan per km adalah panjang ruas jalan (km)
Segmen ruas jalan dengan tingkat kecelakaan yang berada di atas garis UCL akan didefinisikan sebagai lokasi rawan kecelakaan. Geographic Information System Identifikasi awal lokasi kecelakaan dan lokasi rawan kecelakaan berhubungan erat dengan visualisasi posisi kecelakaan pada peta Kota Bogor. Visualisasi hasil dengan pemetaan lokasi menggunakan GIS. GIS adalah suatu sistem informasi yang digunakan untuk menyusun, menyimpan, merevisi serta menganalisa data dan atribut yang bereferensi kepada lokasi atau posisi obyek-obyek di bumi. Komponen-komponen data spasial meliputi posisi/lokasi geografis, data atribut, hubungan spasial dan waktu (Booth dan Mitchell 2001). GIS menyimpan semua informasi deskriptif unsur-unsurnya sebagai sebagai atribut-atribut di dalam basis data yang kemudian membentuk dan menyimpannya di dalam tabel (relasional). GIS menghubungkan unsur-unsur yang ada dengan tabel yang bersangkutan, sehingga atribut-atribut dapat diakses melalui lokasi unsur-unsur peta dan sebaliknya. Unsur-unsur peta dapat diakses melalui atributatributnya. GIS harus menggunakan peta digital sehingga terlebih dahulu dilakukan georeferencing. Georeferencing merupakan proses pemberian referensi geografi dari objek berupa raster (hasil scan) atau image yang belum mempunyai acuan sistem koordinat ke dalam sistem koordinat dan proyeksi tertentu. Proses ini diperlukan ketika akan melakukan input data berupa data raster ke dalam GIS (Apparao dan Malikarjunareddy 2013). Model data yang umum digunakan dalam GIS adalah model data vektor yang merupakan model data yang paling banyak digunakan, model ini berbasiskan pada titik dengan nilai koordinat (x|y) untuk membangun obyek spasialnya. Obyek yang dibangun terbagi menjadi tiga bagian yaitu berupa titik, garis, dan area (Bafdal et al. 2011).
Sistem Koordinat dan Proyeksi Peta dalam GIS Sistem koordinat geografi merupakan gambaran posisi suatu titik di Bumi berdasarkan garis lintang dan garis bujur. Garis bujur adalah horizontal yang mengukur sudut antara suatu titik dengan titik nol di bumi yang disepakati secara internasional yaitu Greenwich di London Britania Raya yaitu titik bujur 0° atau
6
360°. Titik di barat bujur 0° dinamakan Bujur Barat sedangkan titik di timur 0° dinamakan Bujur Timur.
Sumber : Bafdal et al. (2011) Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur Terdapat dua notasi koordinat global yang umumnya digunakan, yaitu derajat desimal dan derajat menit-detik. Pada saat tertentu diperlukan konversi dari satu notasi ke notasi lain. Konversi dari derajat menit ke derajat desimal menggunakan dengan formula sebagai berikut : Jumlah detik = (menit × 60 + detik) Derajat Desimal = Derajat +
Jumlah detik 3600
(3)
Proyeksi peta merupakan teknik yang digunakan untuk menggambarkan sebagian atau keseluruhan permukaan tiga dimensi berbentuk bola ke permukaan datar dua dimensi. Salah satu sistem proyeksi yang umum digunakan adalah universal transverse mercator (UTM). Seluruh permukaan bumi, dalam sistem koordinat UTM dibagi menjadi 60 bagian yang disebut sebagai zona UTM. Setiap zona ini dibatasi oleh dua meridian sebesar 6° dan memiliki meridian tengah. Kota Bogor pada penelitian ini berada pada zona proyeksi 48S (Bafdal et al. 2011).
7
Sumber : Bafdal et al. (2011) Gambar 2.2 Pembagian Zona UTM Indonesia
Penskoran Lokasi Rawan Kecelakaan Lalu Lintas Penskoran pada umumnya diterapkan pada bidang perbankan, dikenal dengan istilah credit scoring. Istilah ini merupakan suatu teknik yang digunakan oleh pihak bank dalam memutuskan menerima atau menolak seorang calon nasabah berdasarkan skor resiko kredit yang melekat pada calon nasabah tersebut (Samreen dan Batul 2012). Penskoran juga dapat diaplikasikan untuk memberikan skor pada karakteristik ruas jalan terkait kategori lokasi kecelakaan lalu lintas. Dalam pemilihan peubah model, terlebih dahulu dilakukan perhitungan weight of evidence (WOE) dan information value (InfV). WOE merupakan ukuran kekuatan setiap atribut atau atribut grup untuk membedakan dua kategori, misal untuk kategori lokasi kecelakaan lalu lintas “rawan”” dan “tidak rawan”. Nilai WOE bersifat unik untuk setiap atribut suatu peubah (Siddiqi 2012). Perhitungan WOE untuk atribut k menggunakan formula pada persamaan (4). 𝑃 (𝑋=𝑘|𝑅𝑎𝑤𝑎𝑛)
WOE (X = k) = ln (𝑃 (𝑋=𝑘| 𝑇𝑖𝑑𝑎𝑘 𝑅𝑎𝑤𝑎𝑛))
(4)
Pada saat salah satu peubah yang diamati memiliki jumlah kategori “Rawan” atau “Tidak Rawan” adalah nol, maka perhitungan WOE menggunakan persamaan (5). P (X = k|Rawan) =
nRawan +0.5 NRawan nTidak Rawan +0.5
P (X = k|Tidak Rawan) =
N Tidak Rawan
(5)
8
dengan, n
Rawan
dan n
Tidak Rawan
NRawan dan NTidak Rawan 0.5
= jumlah rawan/tidak rawan untuk masingmasing karakteristik ruas jalan = jumlah rawan/tidak rawan dari kriteria jalan = angka default dari adjustment factor
Berdasarkan WOE yang diperoleh pada persamaan (5), selanjutnya digunakan untuk menghitung InfV dengan formula pada persamaan (6). InfV = ∑ni=1((P (X = k|Rawan) − P (X = k| Tidak Rawan)) × WOE)
(6)
InfV adalah ukuran kekuatan pengaruh suatu peubah penjelas terhadap kategori peubah respon. Nilai InfV kemudian digunakan sebagai ukuran dalam pemilihan peubah untuk model penskoran dengan ketentuan sebagai berikut : 1. <0.02 artinya peubah tidak berpengaruh terhadap kategori lokasi 2. 0.02 - 0.1 artinya peubah berpengaruh lemah terhadap kategori lokasi 3. 0.1 - 0.3 artinya peubah berpengaruh sedang terhadap kategori lokasi 4. > 0.3 artinya peubah berpengaruh kuat terhadap kategori lokasi Penyusunan skor menggunakan nilai WOE peubah yang terpilih dengan regresi logistik biner pada persamaan (7). Skor= Offset + Factor ∗ ln (odds)
(7)
Offset adalah konstanta penyeimbang pada skor, dimana : Offset = Skor − {Factor × ln (Odds)} Sementara itu skor dikembangkan menggunakan odds pada suatu skor dan ditetapkan sebagai “points to double the odds” (pdo). Besarnya factor dan offset dapat dihitung dengan model simultan pada persamaan (8). Skor + pdo = Offset + Factor × ln( 2 × odds) pdo = Factor ∗ ln(2) pdo Factor = ln(2)
(8)
Penyusunan skor menggunakan nilai WOE dengan regresi logistik biner pada persamaan (9). Skor = ln(odds × factor + offset)
(9)
9
k,n
= − (∑ (WOEj × βi ) + α) × factor + offset j,i=1 k,n
α = − (∑ (WOEj × βi + )) × factor + offset n j,i=1
k,n
= ∑ (− (WOEj × βi + j,i=1
dengan, WOE β α n k
α offset ) × factor + ) n n
= nilai WOE untuk setiap kategori pada peubah = Koefisien regresi untuk setiap karakteristik = intercept dari model regresi logistik = banyaknya karakteristik = banyaknya kategori untuk setiap peubah
Ukuran Kebaikan Penskoran Sebuah model penskoran digunakan untuk memprediksi kemungkinan suatu individu atau objek termasuk pada kategori tertentu (rawan/tidak rawan), sehingga diperlukan ukuran dalam menilai seberapa baik model yang diperoleh (Siddiqi 2012). Ukuran kebaikan hasil skor, dilihat berdasarkan nilai-nilai pada Tabel 2.1. Tabel 2.1 Ukuran Kualitas Penskoran
Kenyataan
Rawan Tidak Rawan
Prediksi Rawan Tidak Rawan Positif Benar (a) Negatif Salah (b) Positif Salah (c) Negatif Benar (d)
Model penskoran yang baik adalah model penskoran dengan nilai benar yang besar dan nilai salah minimal. Terdapat empat ukuran utama yang digunakan, jika terdapat sebanyak N data, maka perhitungan kualitas model yaitu: 1. Akurasi : a+d Akurasi = N 2. Rataan Kesalahan : c+ b Rataan Kesalahan = N 3. Sensitivitas : a Sensitivitas = a+b 4. Spesifisitas : d Spesifisitas = d+c
10
Regresi Logistik Biner Pada saat peubah respon yang bersifat kategorik seperti penggolongan lokasi rawan kecelakaan lalu lintas, maka analisis untuk melihat hubungan antara peubah penjelas dan peubah respon adalah model logit, atau sering disebut sebagai regresi logistik (Azen dan Walker 2011). Ketika peubah respon hanya memiliki dua kategori, maka regresi logistik yang digunakan disebut sebagai regresi logistik biner (Agresti 2002). Model regresi logistik diberikan oleh Azen dan Walker (2011) persamaan (10) Logit [P(Yi=1)] = 𝛽0 + β1 {X1i} + β2 {X2i} + . . . + βp {Xpi}
(10)
Unsur individu (i) persamaan (10) dapat disederhanakan, sehingga didapat persamaan umum model regresi logistik pada persamaan (11). π
Logit = ln( 1−π) = 𝛽0 + 𝛽1 X1 + 𝛽2 X 2 + ⋯ + 𝛽𝑝 Xp = 𝛽0 + 𝛃𝐗
(11)
dengan, β : vektor baris yang berisi seluruh koefisien regresi X : vektor yang berisi seluruh peubah penjelas Model regresi logistik dapat lansung diterapkan untuk memprediksi peluang sukses (Yi =1) yang dinotasikan sebagai π , pada persamaan (12).
𝜋=
exp(𝛽0 +𝛃𝐗) 1+exp(𝛽0 +𝛃𝐗)
(12)
Metode yang digunakan untuk mengestimasi parameter regresi logistik adalah metode estimasi kemungkinan maksimum. Pengujian Parameter Regresi Logistik Pemeriksaan peranan peubah penjelas (X) dalam model, dilakukan melalui pengujian terhadap parameter model (β). Pengujian secara serentak dilakukan menggunakan uji G, sedangkan secara parsial menggunakan uji Wald. a.
Statistik Uji G
Uji rasio kemungkinan diperoleh dengan cara membandingkan fungsi log likehood dari seluruh peubah penjelas (model penuh) dengan fungsi log likehood tanpa peubah penjelas (Agresti 2002). Uji G digunakan untuk menguji hipotesis : H0 : β1 = β2 = … = βp = 0 (tidak ada peubah penjelas yang berpengaruh terhadap peubah respon) H1 : paling sedikit ada satu j dengan βj ≠0 j=1, 2,…, p (paling sedikit ada satu peubah penjelas yang berpengaruh terhadap peubah respon) Jika maksimum likelihood model dengan peubah penjelas (model H1) adalah L1 dan dan maksimum likelihood model tanpa peubah penjelas (model H0) adalah L0 . Maka statistik uji likelihood ratio, G2, dirumuskan sebagai berikut (Azen dan Walker 2011) :
11
𝐿
𝐺 2 = −2 ln (𝐿0 ) = −2[ln(𝐿0 ) − ln(𝐿1 )] 1
(14)
Statistik G2 secara teoritis mengikuti sebaran χ2 dengan derajat bebas p. Kriteria keputusan yang diambil yaitu menolak H0 bila G2 hitung > χ2(𝑝;𝛼) atau jika p-value <α. b.
Statistik Uji Wald
Uji Wald digunakan untuk menguji parameter βj secara parsial. Hipotesis yang digunakan adalah : H0 : βj = 0 (peubah penjelas Xj tidak berpengaruh signifikan terhadap peubah respon) H1 : βj ≠ 0 (peubah penjelas Xj berpengaruh signifikan terhadap peubah respon), untuk j = 1, 2, …, p Formula untuk statistik Wald adalah (Agresti 2002) :
𝑧= dengan :
𝛽̂𝑗 : SE (𝛽̂𝑗 ) :
̂𝑗 𝛽 ̂𝑗 ) 𝑆𝐸 (𝛽
(15)
Nilai dugaan untuk parameter βj Dugaan galat baku untuk koefisien βj
Kriteria keputusan adalah H0 ditolak jika |Z| > Zα/2 atau jika p-value<α. Statistik uji wald ini ekuivalen dengan wald chi-square statistic z2 , dengan kriteria penolakan H0 jika z2 > χ2(𝑑𝑓;𝛼) , dengan df=1.
Interpretasi Koefisien Model Regresi Logistik Koefisien β pada model mengindikasikan perubahan π(x) meningkat atau menurun saat pertambahan nilai x (Agresti 2002). Interpretasi parameter pada regresi logistik dapat dijelaskan dengan terlebih dahulu mengeksponensialkan koefisien β yaitu eβ yang disebut dengan istilah odds ratio. Pada peubah penjelas kontinu diinterpretasikan sebagai setiap penambahan satu satuan X meningkatkan nilai odds Y=1 sebanyak eβ kali. Pada peubah penjelas kategorik, nilai eβ menunjukkan perbandingan odds kategori kofisien tersebut dibandingkan kategori yang dijadikan referensi (Azen dan Walker 2011).
3 METODE PENELITIAN Data Penelitian ini merupakan penelitian terapan dengan menggunakan data sekunder yang bersumber dari Polresta Bogor dan Dinas Lalu Lintas dan Angkutan Jalan (DLLAJ) Kota Bogor. Data yang digunakan adalah data kecelakaan dan kondisi jalan tahun 2014-2015. Analisis geographic information system (GIS) pada penelitian ini menggunakan Peta Kota Bogor yang format shapefile yang bersumber
12
dari Badan Informasi Geospasial (BIG). Daftar peubah yang dipakai pada penelitian ini disajikan pada Tabel 3.1. Tabel 3.1. Daftar Peubah Penelitian Menurut Sumber Data Sumber Data Nama Peubah Polresta Bogor 1. Titik Koordinat Kecelakaan Lalu Lintas 2. Kecelakaan Menurut Kelas Jalan 3. Kecelakaan Menurut Fungsi Jalan 4. Kecelakaan Menurut Tipe Jalan 5. Kecelakaan Menurut Bentuk Geometri DLLAJ Kota Bogor
1. Volume Lalu Lintas Harian Menurut Ruas Jalan 2. Fungsi Jalan 3. Kelas Jalan 4. Jumlah Lajur Jalan 5. Keberadaan Median Jalan 6. Jumlah Arah Jalan 7. Bentuk Geometri Jalan
Metode Analisis Data Analisis data pada penelitian ini menggunakan analisis deskriptif, geographic information system (GIS), analisis regresi logistik biner, dan penskoran kerawanan berdasarkan karakteristik jalan. Pengolahan dan analisis data menggunakan bantuan software SAS dan ArcGIS. Berikut langkah-langkah analisis. a. Analisis Deskriptif Analisis deskriptif dilakukan untuk melihat gambaran umum profil kecelakaan lalu lintas di Kota Bogor dengan eksplorasi data peubah respon dan data peubah-peubah penjelas. b. Georeferencing Georeferencing dilakukan menyesuaikan sistem proyeksi pada peta, agar dapat digunakan untuk identifikasi lokasi kecelakaan dan analisis selanjutnya. Proyeksi UTM Kota bogor adalah di zona 48S. c.
Identifikasi Lokasi Kecelakaan Pada Peta Pada tahap ini dilakukan identifikasi lokasi kecelakaan dengan memasukkan data titik koordinat masing-masing lokasi kejadian ke dalam peta Kota Bogor. Identifikasi dan pengolahan data terkait peta menggunakakan ArcGIS 9.3. Data koordinat yang dapat diproses dalam ArcGIS secara spasial hanyalah berupa notasi koordinat derajat desimal, sedangkan data yang diperoleh dari Polresta memiliki format derajat menit detik. Sehingga terlebih dahulu dilakukan konversi data koordinat. Konversi dari derajat menit ke derajat desimal menggunakan dengan formula pada persamaan (3). Data titik koordinat lokasi kejadian kecelakaan yang telah dikonversi kemudian di impor pada peta Kota Bogor dengan menggunakan software
13
ArcGIS untuk menggambarkan lokasi kejadian kecelakaan yang sesungguhnya, dan mengidentifikasi ruas jalan yang menjadi tempat kejadian kecelakaan lalu lintas. d. Pembagian segmen ruas jalan Penomoran ruas jalan dilakukan dengan membagi ruas jalan menjadi segmen-segmen pada jalan yang teridentifikasi sebagai ruas jalan tempat kejadian kecelakaan lalu lintas pada peta Kota Bogor. Setiap segmen ruas jalan mempunyai panjang 1 km. Masing-masing segmen kemudian diberikan nama jalan beserta nomor segmen untuk mempermudah dalam perhitungan frekuensi kecelakaan pada masing-masing segmen. e.
Perhitungan Frekuensi Kecelakaan Segmen Ruas Jalan Frekuensi kecelakaan lalu lintas untuk setiap segmen ruas jalan, dilakukan dengan menghitung jumlah kecelakaan yang terjadi pada setiap segmen ruas jalan lokasi terjadinya kecelakaan lalu lintas.
f.
Perhitungan Tingkat Kecelakaan Segmen Ruas Jalan Data Volume lalu lintas ruas jalan yang didapatkan dari DLLAJ Kota Bogor adalah data volume lalu lintas harian dengan satuan smp/jam. Perhitungan tingkat kecelakaan menggunakan rumus pada persamaan (1). Volume lalu lintas yang digunakan merupakan volume rata-rata tahunan dengan satuan smp/hari. Sehingga sebelum dilakukan perhitungan tingkat kecelakaan data volume lalu lintas terlebih dahulu ditransformasi dengan langkah sebagai berikut: 1. Volume lalu lintas per hari = volume lalu lintas per jam × 24 jam 2. Volume lalu lintas hari kerja per tahun (LHRkerja) = volume lalu lintas per hari × banyaknya hari kerja per tahun 3. Volume lalu lintas hari libur per tahun (LHRlibur) = volume lalu lintas per hari × banyaknya hari libur per tahun 4. Volume lalu lintas rata-rata per tahun (LHRT satuan smp/hari) LHRT =
LHRkerja + LHRlibur 365
g.
Penentuan Lokasi Rawan Kecelakaan Lalu Lintas Penentuan lokasi rawan kecelakaan menggunakan statistik kendali mutu menggunakan rumus pada persamaan (2).
h.
Pemetaaan Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor Pemetaan lokasi rawan kecelakaan untuk menyajikan hasil analisis lokasi rawan kecelakaan. Pemetaan segmen ruas jalan yang menjadi lokasi terjadinya kecelakaan lalu lintas.
i.
Penskoran Karakteristik Lokasi Kecelakaan Lalu Lintas Pada bagian ini dilakukan penskoran karakteristik ruas jalan yang menjadi lokasi kecelakaan lalu lintas. Penskoran dilakukan untuk mengukur pengaruh peubah penjelas terhadap peubah respon. Perubah respon adalah
14
kategori ruas jalan kecelakaan lalu lintas yang terdiri dari “rawan” dan “tidak rawan”. Daftar peubah penjelas ditunjukkan pada Tabel 3.2. Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada Penskoran Nama Peubah Fungsi Jalan
Kelas Jalan
Jumlah Lajur
Median Jumlah Arah Bentuk Geometri
Kategori Arteri Kolektor Lokal I II III Satu Dua Empat Ada Tidak Dua Satu Lurus Tikungan
Proses penyusunnan skor dengan membuat program, dilakukan dengan beberapa tahap: 1. Menghitung nilai WOE masing-masing kategori pada setiap peubah penjelas 2. Menghitung nilai Inf setiap peubah penjelas, dan seleksi peubah penjelas 3. Penentuan bobot WOE setiap peubah penjelas menggunakan analisis regresi logistik biner 4. Penyusunan skor, dengan menggunakan persamaan (7), (8), dan (9). “points to double the odds” (pdo) adalah 2, ditetapkan oods 25:1 pada 50 point. 2 Factor = ln(2) =1.39 Offset = 50 − {1.39 × ln (25)} = 45.54 5. Mencari total skor seluruh segmen ruas jalan, dan menetapkan prediksi kategori lokasi (rawan/tidak rawan) dengan kriteria : Jika total skor ≥ median, maka segmen ruas jalan dikategorikan sebagai lokasi rawan. Sebaliknya, jika total skor < median, maka dikategorikan lokasi tidak rawan. 5. Pengujian kualitas model, menggunakan akurasi,sensitivitas, dan spesifisitas.
15
Tahapan penelitian secara ringkas disajikan pada diagram alir penelitian Gambar 3.1. Mulai Eksplorasi Data
Diagram lingkaran kecelakaan lalu lintas
Analisis Deskriptif karakteristik jalan (fungsi Jalan, kelas jalan, tipe jalan, dan geometri).
Peta titik Kecelakaan lalu lintas Kota Bogor
Identifikasi Titik Kecelakaan Lalu Lintas Geographic Information System (GIS), yaitu Georeferencing, konversi koordinat, dan Input koordinat pada peta Kota Bogor
Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas
Peta lokasi rawan kecelakaan lalu lintas Kota Bogor
1. GIS, berupa pembagian segmen jalan dan Perhitungan frekuensi kecelakaan persegmen. 2. Perhitungan tingkat kecelakaan lalu lintas 3. Perhitungan Statistik Kendali UCL 4. GIS, pemetaan lokasi rawan kecelakaan lalu lintas
Penskoran Karakteristik Lokasi Rawan Kecelakaan Lalu Lintas 1. 2. 3. 4.
Skor Karateristik Jalan
Menghitung nilai WOE Menghitung nilai InfV Penentuan bobot WOE dengan analisis regresi logistik biner Penyusunan model penskoran
Kesimpulan dan Saran
Gambar 3.1 Diagram Alir Penelitian
16
4 HASIL DAN PEMBAHASAN Profil Kecelakaan Lalu Lintas di Kota Bogor Berdasarkan data yang diperoleh dari Polresta Bogor, terdapat 232 kecelakaan lalu lintas di Kota Bogor sepanjang tahun 2014 – 2015. Kecelakaan lalu lintas tersebut tersebar di berbagai lokasi ruas jalan Kota Bogor. Karakteristik ruas jalan lokasi kecelakaan lalu lintas yang dapat diamati di antaranya fungsi jalan, kelas jalan, tipe jalan, dan bentuk geometri jalan. Profil kecelakaan lalu lintas Kota Bogor berdasarkan karakteristik jalan dapat dilihat pada Gambar 4.1.
Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut Karakteristik Jalan Pada penelitian ini menurut fungsinya, jalan di Kota Bogor dibedakan menjadi tiga kategori, yaitu jalan arteri (jalan umum yang berfungsi melayani angkutan utama dengan jarak tempuh jauh), jalan kolektor (jalan umum yang berfungsi melayani angkutan pengumpul atau pembagi dengan ciri perjalanan jarak sedang), dan jalan lokal (jalan umum yang berfungsi melayani angkutan setempat dengan ciri perjalanan jarak dekat).
17
Berdasarkan diagram lingkaran 4.1a, dapat dilihat bahwa di Kota Bogor, persentase kecelakaan lalu lintas terjadi pada jalan yang berfungsi sebagai arteri yaitu sebesar 56% dan jalan kolektor sebesar 33%, sedangkan jalan lokal 11%. Hal ini terjadi karena jalan arteri merupakan jalan utama yang dilalui oleh lebih banyak kendaraan dengan jarak tempuh yang jauh, dan kecepatan rata-rata tinggi, sehingga seringkali pengemudi lalai akan peraturan yang akan memicu terjadinya kecelakaan lalu lintas. Menurut kelas, jalan dibedakan menjadi tiga golongan yaitu kelas I (untuk beban > 10 ton), kelas II (untuk beban <= 10 ton), dan kelas III (untuk beban <= 8 ton). Persentase kecelakaan lalu lintas Kota Bogor berdasarkan kelas jalan ditunjukkan dengan diagram lingkaran 4.1b. Diagram lingkaran 4.1b pada Gambar 4.1, memperlihatkan bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan kelas II yaitu 53%, disusul oleh kelas I sebesar 32% dan kelas III 25%. Tipe jalan memberikan beberapa informasi karakteristik ruas jalan, yaitu jumlah lajur, jumlah arah, dan keberadaan median. Misalnya, 4/2 TB adalah jalan yang terdiri dari 4 lajur dengan 2 arah dan tidak ada median pemisah. Menurut tipenya, kecelakaan di Kota Bogor terjadi pada empat tipe jalan yaitu tipe 2/1, tipe 2/2 TB, tipe 4/2 TB, dan tipe 4/2 B. Persentase kecelakaan lalu lintas Kota Bogor berdasarkan kelas jalan dapat dilihat pada diagram lingkaran 4.1c. Berdasarkan diagram lingkaran 4.1c, dapat dilihat bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan yang bertipe 2/2 TB yaitu jalan yang memiliki 2 lajur, dua arah, dan tanpa median pemisah yaitu sebesar 45%. Sisanya jalan bertipe 4/2 B, 4/2 TB, dan 2/1. Menurut bentuk geometri, jalan dibedakan menjadi dua golongan yaitu tikungan dan lurus. Persentase jumlah kecelakaan lalu lintas Kota Bogor menurut bentuk geometrinya ditunjukkan oleh diagram 4.4d. Berdasarkan diagram 4.1d, dapat dilihat bahwa di Kota Bogor, kecelakaan lalu lintas terbanyak terjadi pada jalan dengan bentuk geometri lurus, yaitu sebesar 87%.
Lokasi Titik Kecelakaan Lalu Lintas Kota Bogor Identifikasi titik kecelakaan dilakukan dengan menginput titik koordinat kecelakaan lalu lintas yang diperoleh dari Polresta Bogor terjadi pada peta Kota Bogor, sehingga dapat ditentukan ruas jalan yang menjadi lokasi kecelakaan lalu lintas di Kota Bogor. Peta titik kecelakaan Kota Bogor Tahun 2014 – 2015 disajikan pada Gambar 4.2. Peta titik kecelakaan lalu lintas tersebut kemudian digunakan sebagai pedoman melakukan segmentasi, yaitu pembagian ruas jalan yang menjadi lokasi kecelakaan lalu lintas. Berdasarkan titik kecelakaan, didapatkan 74 segmen ruas jalan yang menjadi lokasi kecelakaan lalu lintas Kota Bogor.
18
Oleh : Yuni Rafita Sumber Data : Polresta Bogor
Gambar 4.2. Peta Titik Kecelakaan Lalu Lintas
19
Kriteria Segmen Ruas Jalan Penentuan kriteria segmen ruas jalan dilakukan dengan terlebih dahulu menghitung frekuensi kecelakaan pada setiap segmen ruas jalan. Data frekuensi kecelakaan pada setiap segmen ruas jalan kemudian digunakan untuk menghitung tingkat kecelakaan masing-masing ruas jalan dengan menggunakan persamaan (1). Berdasarkan hasil perhitungan, diperoleh rata-rata tingkat kecelakaan lalu lintas ruas jalan adalah 5.50 kecelakaan/seratus juta perjalanan kendaraan per-kilometer. Statistik kendali mutu sebagai UCL diperoleh sebagai berikut : UCL = 5.50 + [ 1.96 √5.50 ] − [0.50] = 9.59 JPKP
Kategori ruas jalan ditentukan dengan menggunakan perbandingan tingkat kecelakaan masing-masing segmen ruas jalan dan nilai UCL, dengan kriteria : 1. Jika tingkat kecelakaan > UCL, maka segmen ruas jalan dikatakan rawan 2. Jika tingkat kecelakaan < UCL, maka dikatakan segmen ruas jalan tidak rawan Ringkasan kategori segmen ruas jalan (Lampiran 2) diberikan pada Tabel 4.1.
No 1
2
3
4 5 6
Tabel 4.1 Ringkasan Kriteria Segmen Ruas Jalan Nama Peubah Kategori Rawan Tidak Rawan Fungsi Jalan Arteri 26 19 Kolektor 7 64 Lokal 4 58 Kelas Jalan I 17 16 II 17 57 III 3 68 Jumlah Lajur Satu 0 43 Dua 12 75 Empat 25 23 Median Ada 23 23 Tidak 14 118 Jumlah Arah Satu 1 15 Dua 36 126 Bentuk Geometri Lurus 28 115 Tikungan 659 26
Berdasarkan Tabel 4.1, dapat dilihat bahwa dari 178 segmen ruas jalan yang di Kota Bogor, terdapat 37 segmen ruas jalan yang termasuk dalam kategori rawan kecelakaan lalu lintas. Lokasi rawan kecelakaan lalu lintas Kota Bogor ditunjukkan oleh Gambar 4.3.
20
Oleh : Yuni Rafita Sumber Data : Polresta Bogor
Gambar 4.3 Peta Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor
Penskoran Karakteristik Ruas Jalan Nilai WOE dan InfV Penskoran disusun untuk memberikan skor ruas jalan berdasarkan karakteristik jalan yang menjadi lokasi kecelakaan lalu lintas di Kota Bogor. Karakteristik ruas jalan terdiri dari fungsi jalan, kelas jalan, jumlah lajur, jumlah arah, keberadaan median, dan bentuk geometri. Besarnya WOE untuk masingmasing karakteristik jalan disajikan pada Tabel 4.2.
21
No 1
2
3
4 5 6
Tabel 4.2 Nilai WOE Karakteristik Jalan Nama Peubah Kategori WOE Fungsi Jalan Arteri 0.7632 Kolektor -0.8751 Lokal -1.1700 Kelas Jalan I 1.3985 II 0.1280 III -1.7831 Jumlah Lajur Satu -3.1281 Dua -0.4947 Empat 1.4212 Median Ada 1.3378 Tidak -0.7938 Jumlah Arah Satu -1.3702 Dua 0.0851 Bentuk Geometri Lurus -0.0749 Tikungan 0.2770
Berdasarkan Tabel 4.2, dapat dilihat bahwa pada peubah fungsi jalan, nilai WOE terbesar adalah jalan Arteri yaitu 0.7632. Kelas jalan yang memiliki WOE tertinggi adalah jalan Kelas I yaitu 1.3985. Untuk jumlah lajur, WOE terbesar adalah ruas jalan yang memiliki empat lajur. WOE tertinggi jika dilihat dari ada keberadaan median pemisah adalah pada jalan dengan median pemisah yaitu 1.3378. Pada jumlah arah, nilai WOE terbesar pada jalan dengan dua arah yaitu 0.0851, sedangkan menurut bentuk geometri, jumlah jalan yang memilki geometri tikungan memiliki nilai WOE lebih tinggi. Nilai WOE kemudian digunakan untuk menghitung nilai InfV masingmasing karakteristik jalan, yang disajikan pada Tabel 4.3.
No 1 2 3 4 5 6
Tabel 4.3 Nilai InFV Karakteristik Jalan Nama Peubah Nilai InfV Fungsi Jalan 0.7990 Kelas Jalan 1.2062 Jumlah Lajur 0.0207 Median 0.9773 Jumlah Arah 0.5114 Bentuk Geometri 1.7539
Berdasarkan Tabel 4.3, terlihat bahwa nilai information value (InfV) seluruh karakteristik jalan berupa fungsi jalan, kelas jalan, jumlah arah, median, dan bentuk geometri berada diatas 0.3. Artinya, semua peubah memiliki pengaruh yang kuat terhadap kategori lokasi kecelakaan lalu lintas yaitu status “rawan” dan “tidak rawan”. Jumlah lajur ruas jalan memiliki nilai InfV yang sangat kecil, sehingga tidak dimasukkan dalam penyusunan skor selanjutnya.
22
Bobot Awal Penskoran Analisis regresi logistik biner dilakukan sebagai langkah awal penentuan bobot masing-masing peubah penjelas terhadap peubah respon, yaitu kategori lokasi kecelakaan lalu lintas yaitu “rawan” dan “tidak rawan” suatu ruas jalan. Regresi Logistik ini menggunakan nilai WOE sebagai pengganti peubah penjelas sebelumnya. Hasil regresi logistik biner WOE sebagai pengganti nilai kategori peubah penjelas terhadap kategori lokasi kejadian kecelakaan lalu lintas dengan melibatkan seluruh peubah secara serentak terdapat pada Tabel 4.4. Tabel 4.4 Koefisien Model Regresi Logistik Biner Nilai WOE Seluruh Peubah Nama Peubah Estimasi -1.4484 Intercept 0.6079 WOE Fungsi Jalan 0.5615 WOE Kelas Jalan 0.8061 WOE Jumlah Arah -0.6071 WOE Median 4.5226 WOE Bentuk Geometri Hasil estimasi pada Tabel 4.4 memperlihatkan koefisien dari median bernilai negatif. Hasil ini berlawanan dengan hasil perhitungan WOE pada Tabel 4.2, dan karena itu dicurigai terdapat korelasi yang kuat antar peubah penjelas sehingga dilakukan perhitungan korelasi antar peubah yang nilainya disajikan pada Tabel 4.5.
Kelas Jalan Jumlah Arah Median Geometri
Tabel 4.5 Korelasi Antar Peubah Fungsi Jalan Kelas Jalan Jumlah Arah 0.332 0.363 0.160 0.653 0.189 0.896 0.354 0.431 0.460
Median
0.497
Berdasarkan hasil perhitungan korelasi pada Tabel 4.5, dapat dilihat bahwa terdapat korelasi yang tinggi antara peubah median dengan jumlah arah yaitu sebesar 0.896. Hal yang sama juga terjadi pada median dan fungsi jalan, yaitu sebesar 0.653. Untuk menghindari kesalahan dalam estimasi koefisien, WOE dari peubah median tidak disertakan dalam pembentukan skor selanjutnya. Estimasi parameter regresi logistik dengan mengeluarkan WOE peubah median terdapat pada Tabel 4.6.
23
Tabel 4.6 Koefisien Model Regresi Logistik Biner Tanpa WOE Median Wald P-Value Nama Peubah Estimasi Chi-Square 32.1474 0.0001 Konstanta -1.3791 13.0652 0.0003 WOE Fungsi Jalan (X1) 0.7865 3.8753 0.0490 WOE Kelas Jalan (X2) 0.5562 6.3961 0.0191 WOE Jumlah Arah (X3) 2.0002 4.1372 0.0419 WOE Bentuk Geometri (X4) 3.2480 Pengujian Parameter Regresi Logistik Seperti yang telah dijelaskan pada bagian tinjauan pustaka, untuk pemeriksaan peranan peubah penjelas (X) dalam model, dilakukan melalui pengujian terhadap parameter model (β). Pengujian secara serentak menggunakan uji G, sedangkan secara parsial menggunakan uji Wald. a. Statistik Uji G Statistik uji G adalah uji rasio kemungkinan yang digunakan untuk menguji peranan variabel independen di dalam model secara bersama-sama. Statistik Uji G untuk kasus ini dapat dilihat pada Tabel 4.7. Tabel 4.7 Statistik Uji G G
DF
P-Value
54.2442
4
0.0001
Berdasarkan dari hasil pada Tabel 4.7. didapat nilai statistik uji G (54.2442) > 𝜒 2 tabel(0.05;4) (9.4877) dan p-value (0.0001) < α (0.05), maka H0 ditolak. Artinya, terdapat pengaruh WOE Fungsi Jalan (X1), WOE Kelas Jalan (X2), WOE Jumlah Arah (X3), dan WOE Bentuk Geometri (X4) secara bersama-sama terhadap kategori lokasi kecelakaan lalu lintas di Kota Bogor. b. Statistik Uji Wald Uji Wald digunakan untuk menguji parameter βj secara parsial. Menggunakan hasil statistik Wald (Tabel 4.6) dapat dilakukan uji pengaruh masing-masing peubah penjelas terhadap kategori lokasi kecelakaan lalu lintas di Kota bogor. Nilai P-Value seluruh peubah lebih kecil dari 0.05 (α), sehingga dapat disimpulkan seluruh peubah telah yang terbukti mempunyai pengaruh secara parsial terhadap kategori lokasi kecelakaan lalu lintas di Kota Bogor. Setelah dilakukan pengujian secara serentak maupun parsial, diperoleh persamaan peluang ruas jalan termasuk dalam kategori rawan sebagai berikut : 𝑒 −1.3791 + 0.7865 X1+ 0.5562 X2+ 2.0002 X3+3.2480 X4 𝜋(𝑥) = 1 + 𝑒 −1.3791 + 0.7865 X1+ 0.5562 X2+ 2.0002 X3+3.2480 X4
24
dengan,
X1 = WOE Fungsi Jalan X2 = WOE Kelas Jalan X3 = WOE Jumlah Arah X4 = WOE Bentuk Geometri
Penskoran Ruas Jalan Penyusunan skor ruas jalan dilakukan untuk memberikan gambaran kontribusi karakteristik ruas jalan yang terdapat pada peubah penjelas terhadap rawan atau tidak rawannya ruas jalan tersebut. Sesuai dengan langkah kerja pada metodologi penelitian, perhitungan skor menggunakan formula sebagai berikut : Skor = 45.54 + 1.39∗ ln (odds) Semakin besar skor yang terdapat pada masing-masing ruas jalan, maka semakin besar pula kemungkinan ruas jalan tersebut sebagai lokasi rawan kecelakaan lalu lintas. Hasil skor ruas jalan, disajikan pada Tabel 4.8. Tabel 4.8 Penskoran Ruas Jalan No Nama Peubah Kategori Skor 1 Fungsi Jalan Arteri 16 Kolektor 10 Lokal 9 I 2 Kelas Jalan 14 II 12 III 9 3 Jumlah Arah Dua 19 Satu 14 4 Bentuk Geometri Lurus 18 Tikungan 21 Berdasarkan Tabel 4.8 didapatkan bahwa skor tertinggi sebagai lokasi rawan kecelakaan lalu lintas di Kota Bogor untuk fungsi jalan, adalah ruas jalan yang berfungsi sebagai arteri yaitu sebesar 16. Hal ini sejalan dengan profil kecelakaan pada Gambar 4.1, dikarenakan jalan arteri merupakan jalan utama yang menjadi lalu lintas kendaraan dengan jarak tempuh yang relatif jauh, dan kecepatan kendaraan rata-rata tinggi. Pada kelas jalan, skor tertinggi ada pada jalan Kelas I, yaitu 14. Besarnya skor rawannya ruas jalan pada jalan kelas I dikarenakan lalu lintas yang lebih beresiko, karena umumnya jalan ini dilalui oleh kendaraan besar dengan berat mencapai 10 ton. Menurut jumlah arah, skor tertinggi kerawanan adalah pada ruas jalan dengan dua arah yaitu 19. Hal ini dikarenakan semakin banyak lajur, artinya semakin banyak aktivitas lalu lintas pada ruas jalan tersebut dan seringkali kenderaan saling mengambil jalan kendaram lain, sehingga akan memicu terjadinya kecelakaan lalu lintas.
25
Menurut bentuk geometri jalan, jalan yang memiliki geometri tikungan lebih rawan terjadinya kecelakaan lalu lintas, dibandingkan jalan yang dengan bentuk geometri lurus. Hasil ini dapat diterima, karena pada umumnya pengendara biasanya tidak melihat ada pengendara atau kendaraan lain didepan pada saat melewati tikungan. Tabel 4.9, sebagai contoh perhitungan skor ruas jalan salah satu segmen ruas jalan di Kota Bogor. Tabel 4.9 Perhitungan Skor Jalan Raya Soleh Iskandar 10 Peubah Karakteristik Ruas Jalan Skor Fungsi Jalan Arteri 16 Kelas Jalan I 14 Jumlah Arah Dua 19 Bentuk Geometri Lurus 18 Total Skor 67
Kualitas Penskoran Ukuran kualitas penskoran dapat dilihat melalui tiga ukuran yaitu akurasi, sensitivitas, dan spesifisitas dengan menggunakan formula (halaman 9-10). Tabulasi silang jumlah prediksi kategori ruas jalan terhadap kategori yang sebenarnya dapat dilihat pada Tabel 4.10, dan ukuran kualitas model pada Tabel 4.11. Tabel 4.10 Tabulasi Silang Prediksi dan Kenyataan Segmen Ruas Jalan Kota Bogor Kenyataan Prediksi Tidak Rawan Rawan
Tidak Rawan 75 (Negatif Benar) 66 (Positif Salah)
Rawan 2 (Negatif Salah) 35 (Positif Benar)
Tabel 4.11 Nilai Ukuran Kualitas Model Ukuran Kualitas Model Nilai (%) Akurasi 62.80 Sensitivitas 94.59 Spesifisitas 53.19 Berdasarkan ukuran kebaikan model pada Tabel 4.11, diketahui akurasi sebesar 62.80%, sensitivitas penskoran ruas jalan sebesar 94.59%, dan spesifisitas sebesar 53.19%. Berdasarkan hasil tersebut, maka dapat disimpulkan bahwa penskoran yang dibangun dapat memprediksi dengan tepat sebesar 62.30%. Penskoran karakteristik jalan dapat mengklarifikasi ruas jalan yang termasuk kategori rawan dengan benar sebesar 94.59%, dan dapat mengkonfirmasi ruas jalan yang termasuk kategori tidak rawan benar-benar merupakan ruas jalan yang tidak rawan kecelakaan lalu lintas sebesar 53.19%. Ukuran kebaikan model menunjukkan bahwa skor yang dibangun telah berkualitas baik dan layak digunakan.
26
5 SIMPULAN DAN SARAN Simpulan Berdasarkan hasil dan pembahasan pada bab sebelumnya, dapat diambil kesimpulan bahwa : 1. Terdapat 37 segmen ruas jalan Kota Bogor yang teridentifikasi sebagai lokasi rawan kecelakaan lalu lintas dari dari 178 segmen ruas jalan di Kota Bogor. 2. Berdasarkan penskoran karakteristik ruas jalan yang menjadi lokasi kecelakaan lalu lintas, atribut yang memiliki skor tertinggi yang menyebabkan rawannya kecelakaan lalu lintas pada ruas jalan Kota Bogor adalah pada jalan yang dua arah dan bergeometri tikungan. Saran Saran yang dapat diberikan oleh peneliti berdasarkan hasil penelitian terhadap peneliti selanjutnya, agar dapat membangun penskoran dengan memasukkan karakteristik jalan yang lebih banyak di wilayah lain di Indonesia dengan cakupan wilayah penelitian yang lebih luas agar didapatkan penskoran dengan karakteristik jalan yang lebih lengkap.
27
DAFTAR PUSTAKA Agresti A. 2002. Categorical Data Analysis. Canada : John Wiley & Sons. Anggraini DW, Sylviana R. 2013. Identifikasi Daerah Rawan Kecelakaan Lalu Lintas (Black Spot Area) Berbasis Sistem Informasi Geografis. Jurnal BENTANG. 1(2) : 92-105. Apparao G, Malikajunareddy. 2013. Identification of Accident Black Spots for National Highway Using GIS. International Journal of Scientific & Technology Research. 2(2) : 154-157. Azen R, Walker CM. 2011. Categorical Data Analysis for the Behavioural and Social Sciences. New York : Taylor and Francis Group. Bafdal N, Amaru K, Macklin BP. 2011. Buku Ajar Sistem Informasi Geografis. Bandung (ID) : Jurusan Teknik Manajemen Industri Pertanian FTIP UNPAD. Bobade SU, Patil JR, Sorate RR. 2015. Identification of Accidental Black Spot on National Highways and Expresways. International Journal of Research in Advent Technology. ACGT Conference 2015 : 82-85. Booth B, Mitchell. 2001. Getting Started with ArchGIS. USA: ESRI. BPS. 2015. Statistik Transportasi Darat 2014. Jakarta (ID) : Badan Pusat Statistik Indonesia. Chen, H. 2012. Black Spot Determination of Traffic Accident Locations and Its Spatial Association Characteristic Analysis Based on GIS. Journal of Geographic Information System. 4 : 608-617. Chimba D, Sando T, Kwigizile V, Kutela, B. 2013. Modeling School Bus Crashes Using Zero-Inflated Model. Journal of Transportation Statistics. 10(1): 1-14. Chiye KH, Chin WT, Peng CG. 2006. A Two-step Method to Construct Credit Scoring Models with Data Mining Techniques. International Journal of Business and Information. 1(1): 96-118. Constangioara A. 2011. Costumer Credit Scoring. Romanian Journal of Economic Forecasting. 3(1) : 162-177. Departemen Permukiman dan Prasarana Wilayah. 2004. Penanganan Lokasi Rawan Kecelakaan Lalu Lintas. Jakarta (ID): Departemen Permukiman dan Prasarana Wilayah. Dilsha M, Khirutika. 2014. Model Validation of a Credit Scorecard Using Bootstrap Method. IOSR Journal of Economics and Finance (IOSR-JEF). 3(3): 64-68. Farco, IM. 2011. Identification of Hazardous Road Locations in Urban Areas through Spatial Analysis. MSc Thesis of Civil Engineering: Insituto Superior Tecnico. Ghaffari A, Tavakoli AK, Moghimidarzi S. 2013. Identification of Black Spots Based on Reliability Approach. Promet – Traffic&Transportation. 25(6) : 525-532. Ghazizadeh M, Boyle LNG. 2013. Crash Injuries in Four Midwestern States: Comparison to Regional Estimates. Journal of Transportation Statistics. 10(1): 15-34. IRSMS. 2013. Strategic Road Infrastructure Project. Jakarta (ID) : POLRI Isen L, Shibu A, Saran M.S. 2013. Identification and Analysis of Accident Black Spots Using Geographic Information System. IJIRSET. 2 : 131-139.
28
Juhendra M, Arliansyah J, Rhaptyalyani. 2015. Analisis Daerah Rawan Kecelakaan (Blackspot) di Kota Palembang. The 18th FSTPT International Symposium, Lampung, 27-30 Agustus 2015. Kowtanapanich W, Tanaboriboon Y. 2006. Applying Public Participation Approach to Black Spot Identification Process. IATSS RESEARCH .30 (1):73-85 Kumar S D.S. 2013. Identification of Hazardous Locations for Road Traffic Injuries. Int J Res Dev Health. 1(4) : 160-165. Nirmala R. 2015. Road Crash – Analysis and Alleviation Measures. International Journal of Engineering and Technology (IJET). 7(3) : 997-1002. Oulha R, Brahimi K, Boumediene A , Dali F, Madouche M.A. 2013. GIS Contribution to Identify Accident Black Spots on National Highway: Case Study of Wilaya of Mascara (Algeria). International Journal of Chemical, Environmental & Biological Sciences (IJCEBS). 1(5): 775-778. Pemerintah Kota Bogor. 2014. Lampiran Peraturan Daerah Kota Bogor. Rencana Pembangunan Jangka Panjang dan Jangka Menengah Daerah Kota Bogor Tahun 2015-2019. Nomor 6 Tahun 2014. PP RI No. 43 Tahun 1993 Sadeghi A, Ayati E, Pirayesh MN. 2013. Identification and Prioritization of Hazardous Road Locations by Segmentation and Data Evelopment Analysis Approach.. Promet – Traffic&Transportation. 25(2) : 127-136. Samreen A, Batul FZ. 2012. Design and Development of Credit Scoring Model for the Commercial banks of Pakistan: Forecasting Creditworthiness of Individual Borrowers. International Journal of Business and Social Science. 3(17) : 155-166. Siddiqi N. 2012. Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. USA: Wiley. UU RI No. 22 tahun 2009. Lalu Lintas dan Angkutan Jalan. WHO. 2013. Global Status Report On Roads Safety 2013. Switzerland: WHO Press. Wicaksono D, Akbar RF, Riyanto B. 2014. Analisis Kecelakaan Lalu Lintas (Studi Kasus- Jalan Raya Ungaran-Bawen ). Jurnal Karya Teknik Sipil. 3(1) : 203213. Zou Y, Lord D, Zhang Y, Peng Y. 2013. Application of the Bayesian Model Averaging in Predicting Motor Vehicle Crashes. Journal of Transportation Statistics. 10(1): 39-60.
29
Lampiran 1 Hasil Perhitungan Tingkat Kecelakaan No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
Segmen Ruas Jalan Jalan Cifor 1 Jalan Gang Aut Jalan A.Yani 1 Jalan A.Yani 2 Jalan Ahmad Adnawijaya 1 Jalan Batu Tulis Jalan Bina Marga 2 Jalan Dadali Jalan Dokter Sumeru 1 Jalan Dokter Sumeru 3 Jalan Dokter Sumeru 4 Jalan Ir. H Juanda Jalan Kapten Muslihat Jalan Kapten Yusuf 1 Jalan Kebon Pedes Jalan Kiai Haji Abdulah Bin Nuh 2 Jalan Kiai Haji Abdulah Bin Nuh 3 Jalan Kiai Haji Abdulah Bin Nuh 4 Jalan Lawanggintung Jalan Mayor Jenderal Ishak Djuarsa 1 Jalan Mayor Jenderal Ishak Djuarsa 2 Jalan Mayor Jenderal Ishak Djuarsa 3 Jalan Mayor Jenderal Ishak Djuarsa 4 Jalan Mayor Jenderal Ishak Djuarsa 5 Jalan Otto Iskandardinata Jalan Pahlawan 1 Jalan Pahlawan 2 Jalan Paledang Jalan Pemuda 2 Jalan Raden Arya Surialaga 1 Jalan Raya Pajajaran 1 Jalan Raya Pajajaran 11 Jalan Raya Pajajaran 12 Jalan Raya Pajajaran 13 Jalan Raya Pajajaran 14 Jalan Raya Pajajaran 15 Jalan Raya Pajajaran 2 Jalan Raya Pajajaran 3
Tingkat Kecelakaan (100JPKP) 9.61 8.38 11.49 5.74 10.19 23.23 7.00 7.11 19.32 6.44 12.88 17.27 6.57 7.45 11.12 7.11 14.21 7.11 14.53 5.57 16.71 27.85 11.14 11.14 3.92 14.41 14.41 27.94 17.87 18.59 21.20 77.72 56.52 35.33 14.13 28.26 14.13 28.26
30
No Segmen Ruas Jalan 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
Jalan Raya Pajajaran 4 Jalan Raya Pajajaran 5 Jalan Raya Pajajaran 6 Jalan Raya Pajajaran 7 Jalan Raya Pajajaran 8 Jalan Raya Pajajaran 9 Jalan Raya Semplak 1 Jalan Raya Semplak 2 Jalan Raya Soleh Iskandar 10 Jalan Raya Soleh Iskandar 11 Jalan Raya Soleh Iskandar 12 Jalan Raya Soleh Iskandar 13 Jalan Raya Soleh Iskandar 14 Jalan Raya Soleh Iskandar 2 Jalan Raya Soleh Iskandar 3 Jalan Raya Soleh Iskandar 4 Jalan Raya Soleh Iskandar 5 Jalan Raya Soleh Iskandar 6 Jalan Raya Soleh Iskandar 7 Jalan Raya Soleh Iskandar 8 Jalan Raya Soleh Iskandar 9 Jalan Raya Sukaraja-Sukabumi 1 Jalan Raya Sukaraja-Sukabumi 2 Jalan Raya Tajur 1 Jalan Raya Tajur 2 Jalan Raya Tajur 3 Jalan Raya Tajur 4 Jalan Raya Tajur 5 Jalan RE Martadinata Jalan Siliwangi 3 Jalan Sudirman Jalan Sukasari 1 Jalan Veteran Jalan Pangeran Sogiri 5 Jalan Pemda 2 Jalan Tegallega
Tingkat Kecelakaan (100JPKP) 3.63 42.39 63.59 28.26 14.13 21.20 35.99 7.20 36.02 28.82 50.43 50.43 43.22 21.61 14.41 43.22 21.61 36.02 28.82 28.82 50.43 4.72 9.44 76.40 38.20 10.91 10.91 5.46 16.46 8.31 35.93 5.49 17.79 41.56 13.80 6.64
31
Lampiran 2 Kriteria Segmen Ruas Jalan No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Nama Jalan Jalan Bunga Jalan CIFOR 1 Jalan CIFOR 2 Jalan Ciremai Ujung Jalan Gang Aut Jalan A.Yani 2 Jalan A.Yani 1 Jalan Abesin Jalan Ahmad Adnawijaya 1 Jalan Ahmad Adnawijaya 2 Jalan Ahmad Adnawijaya 3 Jalan Ahmad Adnawijaya 4 Jalan Ahmad Adnawijaya 5 Jalan Arzimar 1 Jalan Arzimar 2 Jalan Arzimar 3 Jalan Arzimar 4 Jalan Batu Tulis Jalan Beo Jalan Bina Marga 1 Jalan Bina Marga 2 Jalan Bina Marga 3 Jalan Bina Marga 4 Jalan Cibalagung Jalan Cidangiang Jalan Cimandiri Jalan Cimanggu Brata Jalan Cimanggu Kecil Jalan Cimanggu Taman Jalan Cimanu Jalan Ciomas Raya Jalan Ciremai Jalan Dadali Jalan Dewi Sartika Jalan Dokter Sumeru 1 Jalan Dokter Sumeru 2 Jalan Dokter Sumeru 3 Jalan Dokter Sumeru 4 Jalan Ir. H Juanda
Kriteria Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan
32
No 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
Nama Jalan Jalan Jalak Harupat Jalan Julang 1 Jalan Kapten Muslihat Jalan Kapten Yusuf 1 Jalan Kapten Yusuf 2 Jalan Kayu Manis Jalan Kebon Pedes Jalan Kiai Haji Abdulah Bin Nuh 1 Jalan Kiai Haji Abdulah Bin Nuh 2 Jalan Kiai Haji Abdulah Bin Nuh 3 Jalan Kiai Haji Abdulah Bin Nuh 4 Jalan Lawanggintung Jalan Layungsari Jalan Lokatmala Jalan Lolongok Jalan M.A. Salmun Jalan Manunggal Jalan Mayor Jenderal Ishak Djuarsa 1 Jalan Mayor Jenderal Ishak Djuarsa 2 Jalan Mayor Jenderal Ishak Djuarsa 3 Jalan Mayor Jenderal Ishak Djuarsa 4 Jalan Mayor Jenderal Ishak Djuarsa 5 Jalan Mayor Oking Jayaatmaja Jalan Medika Jalan Medika 3B Jalan Mekarwangi Jalan Merak Jalan Merdeka Jalan Otto Iskandardinata Jalan Padi Jalan Pahlawan 1 Jalan Pahlawan 2 Jalan Pakuan Jalan Paledang Jalan Pamikul Raya Jalan Pandu Jalan Pasama Jalan Pasir Mulya Jalan Pemuda 1 Jalan Pemuda 2 Jalan Pengadilan
Kriteria Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan
33
No 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121
Nama Jalan Jalan Polisi 1 Jalan Raden Arya Surialaga 1 Jalan Raden Arya Surialaga 2 Jalan Rambutan Raya Jalan Raya Cibeureum Jalan Raya Cilebut Jalan Raya Katulampa Jalan Raya Semplak 1 Jalan Raya Semplak 2 Jalan Raya Soleh Iskandar 1 Jalan Raya Soleh Iskandar 10 Jalan Raya Soleh Iskandar 11 Jalan Raya Soleh Iskandar 12 Jalan Raya Soleh Iskandar 13 Jalan Raya Soleh Iskandar 14 Jalan Raya Soleh Iskandar 2 Jalan Raya Soleh Iskandar 3 Jalan Raya Soleh Iskandar 4 Jalan Raya Soleh Iskandar 5 Jalan Raya Soleh Iskandar 6 Jalan Raya Soleh Iskandar 7 Jalan Raya Soleh Iskandar 8 Jalan Raya Soleh Iskandar 9 Jalan Raya Sukaraja 1 Jalan Raya Sukaraja 2 Jalan Raya Tajur 1 Jalan Raya Tajur 2 Jalan Raya Tajur 3 Jalan Raya Tajur 4 Jalan Raya Tajur 5 Jalan RE Abdullah Jalan RE Martadinata Jalan Roda Jalan Salak Jalan Sari Ibun Jalan Sawo Jajar Jalan Sedane Jalan Semboja Jalan Sempur Jalan Senpur Kaler Jalan Siliwangi 1
Kriteria Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Rawan Rawan Rawan Rawan Rawan Rawan Tidak Rawan Rawan Rawan Rawan Rawan Rawan Rawan Tidak Rawan Tidak Rawan Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan
34
No 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162
Nama Jalan Jalan Siliwangi 2 Jalan Siliwangi 3 Jalan Sipatahunan Jalan Sudirman Jalan Taman Cimanggu Tengah Jalan Taman Kencana 1 Jalan Terapi Jalan Tunjung Biru Jalan Veteran Jalan Wanajaya Jalan Wijaya Kusuma Raya Jalan Yasmin Raya Jalan Raya Pajajaran 1 Jalan Raya Pajajaran 10 Jalan Raya Pajajaran 11 Jalan Raya Pajajaran 12 Jalan Raya Pajajaran 13 Jalan Raya Pajajaran 14 Jalan Raya Pajajaran 15 Jalan Raya Pajajaran 2 Jalan Raya Pajajaran 3 Jalan Raya Pajajaran 4 Jalan Raya Pajajaran 5 Jalan Raya Pajajaran 6 Jalan Raya Pajajaran 7 Jalan Raya Pajajaran 8 Jalan Raya Pajajaran 9 Jalan Beringin Jalan Cimanggu Permai Jalan Majapahit Raya Jalan Nyi Raja Permas Jalan P & K Kedunghalang Jalan Pelita Jaya Jalan Pembangunan Kedunghalang Jalan Riau Jalan Sukasari 1 Jalan Bubulak 1 Jalan Bubulak 2 Jalan Bukit Tunggul Jalan Guntur Jalan Malabar Ujung
Kriteria Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Rawan Rawan Rawan Tidak Rawan Rawan Tidak Rawan Rawan Tidak Rawan Rawan Rawan Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan
35
No 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178
Nama Jalan Jalan Manunggal Jalan Papandayan Jalan Sindang Barang Jero Jalan Tangkuban Perahu Jalan Pangeran Sogiri 1 Jalan Pangeran Sogiri 2 Jalan Pangeran Sogiri 3 Jalan Pangeran Sogiri 4 Jalan Pangeran Sogiri 5 Jalan Pemda 1 Jalan Pemda 2 Jalan Perintis Kemerdekaan Jalan POMAD Jalan Sukaraja - Katulampa Jalan Taman Malabar Jalan Tegallega
Kriteria Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan Tidak Rawan
36
RIWAYAT HIDUP Penulis merupakan anak sulung dari Bapak Hanafi Tawi dan Ibu Suhartien yang dilahirkan di Desa Tanjung Belit, Rokan Hulu, Provinsi Riau 02 Juni 1992. Penulis menempuh pendidikan dasar sampai dengan menengah atas di Kota kelahiran. Pada tahun 2010 penulis melanjutkan studi ke Universitas Islam Indonesia di Daerah Istimewa Yogyakarta di Prodi Statistika. Penulis menyelesaikan pendidikan sarjana kurang dari 4 tahun dan lulus dengan predikat cumlaude. Pada tahun 2014 penulis lansung melanjutkan pendidikan dengan mengambil Prodi Statistika Terapan di Sekolah Pascasarjana Institut Pertanian Bogor. Selama menjadi mahasiswa penulis aktif mengikuti berbagai organisasi dan kegiatan baik didalam maupun diluar kampus, diantaranya pada Ikatan Keluarga Statistika (IKS), Ikatan Pelajar Riau Yogyakarta (IPRY), dan Tim Satgas BNNP Daerah Istimewa Yogyakarta. Selain itu penulis juga aktif dalam berbagai riset yang telah di publikasikan pada seminar nasional, jurnal nasional, maupun jurnal internasional.
