Pengembangan Model Prediksi Kecelakaan Sepeda Motor pada Ruas Jalan dan Persimpangan di Perkotaan
| Main Author: | Machsus |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/160977/ |
Daftar Isi:
- Fenomena kecelakaan lalu lintas di jalan raya cenderung mengalami peningkatan dari tahun ke tahun. Analisis kecelakaan lalu lintas di kawasan perkotaan menarik untuk dikaji, mengingat jumlah kecelakaannya lebih besar dibandingkan dengan kecelakaan yang terjadi diluar kawasan perkotaan. Begitu pula, kecelakaan yang terjadi di kota-kota besar, seperti di Kota Surabaya. Jumlah kecelakaan lalu lintas di Kota Surabaya memperlihatkan bahwa tingkat kecelakaannya lebih tinggi dibanding dengan rerata-rata kecelakaan di kabupaten/kota, baik secara nasional maupun di tingkat provinsi Jawa Timur. Tingginya tingkat kecelakaan di Kota Surabaya terjadi pada semua indikator, yang meliputi : frekwensi kejadian, kendaraan yang terlibat, korban dan kerugian material. Sepeda motor merupakan jenis sarana transportasi yang memiliki potensi kecelakaan paling tinggi dibandingkan dengan jenis kendaraan bermotor lainnya. Tingginya potensi kecelakaan sepeda motor seiring dengan jumlah populasinya yang juga paling besar dibandingkan dengan jenis sarana transportasi yang lain. Kecelakaan sepeda motor adalah salah satu permasalahan lalu lintas di perkotaan, yang terjadi pada ruas jalan maupun persimpangan. Tujuan penelitian ini adalah sebagai berikut : a). Membuat pengembangan model prediksi kecelakaan sepeda motor pada ruas jalan dan persimpangan yang sesuai dengan karakteristik Kota Surabaya; b). Mengetahui perbandingan antara aplikasi Generalized Linear Model (GLMs) dengan Generalized Additive Model (GAMs) dalam pemodelan prediksi kecelakaan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya; c). Mengetahui variabel apa saja yang berpengaruh terhadap kecelakaan lalu lintas yang melibatkan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya, dan juga mengetahui pola pengaruhnya; dan d). Membuat rekomendasi program aksi keselamatan lalu lintas guna mengurangi jumlah kecelakaan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya. Lokasi studi ini pada 141 ruas jalan dan 65 simpang bersinyal di Surabaya, Indonesia. Ruas jalan dan simpang bersinyal yang dipilih didasarkan pada kondisi antara tahun 2009 sampai 2012 dengan asumsi atau kriteria bahwa tidak ada perubahan karakteristik yang signifikan selama masa studi, dan karakteristiknya tiap ruas jalan dan simpang bersinyal relatif sama atau cenderung homogen. Dalam pengembangan model prediksi kecelakaan sepeda motor ini digunakan pendekatan Generalized Linear Models (GLMs) dan pendekatan Generalized Additive Models ( GAMs ). Asumsi distribusi yang digunakan pada kedua pendekatan tersebut, dibatasi hanya pada tiga (3) jenis distribusi, yakni: distribusi poisson, distribusi binomial negatif, dan distribusi Gaussian atau distribusi normal. Sedangkan fungsi penghubung ( link-function ) yang dipilih dan digunakan adalah fungsi penghubung logaritma, karena fungsi log menjamin bahwa nilai yang diharapkan dari variabel atau peubah responnya akan bernilai non-negative . Dalam pemeriksaan dan pemilihan model terbaik dilakukan dengan memperhatikan beberapa kriteria kebaikan model pada data penyusun model dan data validasi, dengan parameter sebagai berikut : R-sq ( adjusted ), GCV ( Generalized Cross Validation ), UBRE ( Un-Biased Risk Estimator ), dan AIC ( Akaike Information Criterion ); serta RMSE ( Root mean square error ). Setelah itu dihasilkan model akhir terbaik dari pengembangan model prediksi kecelakaan sepeda motor yang dapat digunakan untuk aplikasi dan simulasi model. Hasil yang diperoleh dari penelitian ini, adalah sebagai berikut : 1). Model akhir terbaik dari hasil pengembangan model prediksi kecelakaan sepeda motor pada semua klasifikasi fungsi ruas jalan dan tipe simpang bersinyal yang dikaji pada penelitian adalah model prediksi dengan pendekatan GAMs yang menggunakan distribusi Gaussian dan fungsi penghubung logaritma; 2). Aplikasi GAMs lebih baik dibandingkan dengan GLMs dalam pengembangan model prediksi kecelakaan sepeda motor pada ruas jalan dan simpang bersinyal, yang ditunjukkan dengan diperolehnya skor terkecil pada indikator AIC, GCV, UBRE, dan RMSE, serta skor terbesar pada indikator R-sq( adj )., dan deviance explained; 3). Variabel yang berpengaruh signifikan terhadap model prediksi kecelakaan sepeda motor pada ruas jalan, meliputi: volume lalu lintas (FLOW), panjang ruas jalan (LR), jumlah titik aksesibilitas (AP), dan kecepatan lalu lintas (SPEED), jumlah lajur (LN), tipe jalan berbasis arah (CN), dan lebar badan jalan (RW). Sedangkan variabel yang berpengaruh signifikan pada simpang bersinyal, meliputi: volume kendaraan (Q), jumlah pergerakan pada simpang (NMv), dan ketersediaan jalur khusus belok kiri langsung (EL_LTOR); 4). Rekomendasi program aksi keselamatan lalu lintas, guna mengurangi kecelakaan sepeda motor pada ruas jalan dan persimpangan, diantaranya : a). Sosialisasi indeks tingkat kecelakaan; b). Normalisasi aksesibilitas pada ruas jalan; c). Evaluasi kinerja simpang bersinyal berbasis keselamatan; d). zonasi larangan sepeda motor; e). pembatasan kecepatan sepeda motor; f). penyediaan lajur khusus sepeda motor dengan separator permanen; dan g). penyediaan jalur khusus belok kiri langsung, khusus pada simpang dengan pejalan kaki yang sedikit, atau jika banyak pejalan kaki harus dilengkapi fasilitas PCTL ( Pedestrian Crossing Traffic Lights ).