TUGAS 2

METODE PENELITIAN

Ayu Agung Mas Permatasari

1981511012

PROGRAM STUDI MAGISTER TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
DENPASAR
2019
 Jurnal Ilmiah Teknik Sipil

Model Hubungan Penyebab Kecelakaan Dan Angka Kecelakaan Lalu Lintas Sepeda Motor Di Kota
Denpasar
Ayu Agung Mas Permatasari
Mahasiswa Program Megister Teknik Sipil, Fakultas Teknik, Universitas Udayana, Denpasar
e-mail: yumaspermatasari@yahoo.com

Abstrak: Kondisi keselamatan lalu lintas jalan di Kota Denpasar masih belum baik, kecelakaan lalu lintas masih
sering terjadi dan memakan banyak korban jiwa. Salah satu upaya mendasar yang diperlukan untuk meningkatkan
kondisi keselamatan lalu lintas jalan adalah dengan cara mengembangkan model prediksi kecelakaan. Model ini
menghubungkan frekuensi kecelakaan yang terjadi pada suatu jalan dengan arus lalu lintas dan berbagai faktor
lingkungan jalan yang berkontribusi pada terjadinya kecelakaan. Penelitian ini menyajikan model hubungan
penyebab kecelakaan dan angka kecelakaan di Kota Denpasar dengan menggunakan metode Regresi Poisson.
Pendekatan regresi Poisson dapat digunakan untuk memodelkan banyaknya kejadian dari sebuah peristiwa
pengamatan, salah satu contohnya adalah banyaknya kasus laka lantas sepeda motor yang terjadi di Kota
Denpasar. Regresi Poisson digunakan untuk menganalisis hubungan antara variabel respon yang berupa data
diskrit dengan satu atau lebih variabel prediktor, di mana nilai ekspektasi dan variansinya diasumsikan sama
(equidispersi). Tinjauan literatur yang luas dilakukan untuk mendapatkan kesimpulan tentang faktor-faktor
penyebab terjadinya kecelakaan

Kata Kunci: Faktor Kecelakaan Sepeda Motor, Model Regresi Poisson, Angka Kecelakaan

Relationship Model of the Causes of Accidents and Motorcycle Traffic Accident Numbers in Denpasar
City

Abstract: Road traffic safety condition in Denpasar still needs improvement that road traffic accidents occur
frequently and cause many people died. One way to improve road safety is by developing accident prediction
model. The model relates accident frequencies with traffic flow and various roadway geometric/environment
characteristics contributing to accident occurrences. This study presents a model of the relationship between the
causes of accidents and accident rates in the city of Denpasar using the Poisson Regression method. Poisson
regression approach can be used to model the number of events from an observation event, one of the examples
is the number of cases of motorcycles that then occur in the city of Denpasar. Poisson regression is used to analyze
the relationship between response variables in the form of discrete data with one or more predictor variables,
where the expected value and variance are assumed to be the same (equidispersion).An extensive literature
review was conducted to obtain conclusions about the factors causing the accident

Keywords: Facor Accident Motor cycle, Poisson Regression Model, accident rate

PENDAHULUAN jalan lain yang mengakibatkan korban manusia

Latar Belakang
Kota Denpasar merupakan ibukota Provinsi
Bali. Selain sebagai pusat pemerintahan, Kota
Denpasar juga merupakan pusat pendidikan dan
perdagangan. Hal ini dapat dilihat dari banyaknya
sekolah, perguruan tinggi, dan pusat perbelanjaan
baik tradisional maupun modern yang menimbulkan
tarikan perjalanan yang besar. Tarikan perjalanan ini
mengakibatkan peningkatan jumlah pergerakan
kendaraan bermotor menuju Kota Denpasar.
Pesatnya pertumbuhan kendaraan yang tidak
diimbangi dengan pembangunan jalan baru
menimbulkan permasalahan lalu lintas, salah
satunya yaitu kecelakaan lalu lintas.
Kecelakaan lalu lintas adalah suatu peristiwa di
jalan yang tidak diduga dan tidak disengaja
melibatkan kendaraan dengan atau tanpa pengguna
dan/atau kerugian harta benda (UU No.22 Tahun
2009). Kecelakaan lalu lintas merupakan ancaman
serius dan berdampak negatif terhadap
pembangunan sosial dan ekonomi. Setiap tahun di
seluruh dunia, lebih dari 1,35 juta orang meninggal
dalam kecelakaan lalu lintas, lebih dari 90%
diantaranya diakibatkan oleh kesalahan manusia
atau kelalaian pengemudi (World Health
Organization, 2016).
Ada dua faktor penting yang mempengaruhi
kelalaian pengemudi saat berkendara yaitu
karakteristik dan persepsi pengemudi. Karakteristik
pengemudi yang mempengaruhi terjadinya
kecelakaan lalu lintas antara lain umur, jenis
kelamin, dan tingkat pengetahuan berkendara yang
aman. Perempuan cenderung memiliki tingkat
pengetahuan yang rendah mengenai keselamatan
berkendara di jalan dibandingkan dengan laki-laki
(Zhao et al., 2019). Faktor lainnya yaitu persepsi dan

1

kesalahan penilaian pengemudi meliputi
pemahaman mengenai aturan lalu lintas, tanggung
jawab saat mengemudi, kondisi geometrik jalan,
kegiatan non-mengemudi, berperilaku agresif, dan
kecerobohan lain sebagai faktor endogen (Yanli et
al., 2010). Pemahaman mengenai aturan dan
tanggung jawab berlalu lintas perlu disosialisasikan
secara optimal sehingga pengemudi memiliki
persepsi yang benar mengenai keselamatan berlalu
lintas di jalan raya.
Penelitian mengenai pemodelan kecelakaan
sepeda motor pernah dilakukan oleh Margareth E.
Bolla (2014). Penelitian ini berlokasi di Kota
Atambua. Hasil pemodelan menunjukan bahwa
faktor-faktor yang mempengaruhi kecelakaan
sepeda motor adalah Total Lebar Ruas Jalan dengan
koefisien sebesar -0,986, Total Lebar Bahu Jalan
dengan koefisien sebesar -0,674, dan 85-Percentile
Kecepatan Kendaraan dengan koefisien sebesar
0,1761.
Penelitian lainnya juga dilakukan oleh Dahlia M. S.
(2012) pernah dilakukan di Kota Depok. Hasil dari
penelitiannya menyatakan persamaan model
matematis yang diperoleh menyatakan bahwa dari
kasus kecelakaan diakibatkan oleh ketidak tertiban,
ketidak terampilan, kelengahan dan kelelahan dapat
diketahui jumlah sepeda motor yang terlibat.
Namun, hingga saat ini belum pernah dilakukan
penelitian mengenai Model Hubungan penyebab
kecelakaan dan angka kecelakaan lalu lintas sepeda
motor di Kota Denpasar. Oleh karena itu, penting
dilakukan penelitian dan analisis mengenai
penelitian mengenai model hubungan penyebab
kecelakaan dan angka kecelakaan lalu lintas
sehingga dapat meminimalkan resiko kecelakaan
lalu lintas akibat kelalaian pengemudi, serta dapat
menentukan rekomendasi yang tepat untuk
mengatasi permasalahan tersebut di Kota Denpasar.
Tujuan Penelitian
Adapun tujuan yang hendak dicapai dalam
penulisan ini adalah:
1. Memodelkan hubungan antara variabel-variabel
yang menjadi penyebab kecelakaan dengan
tingkat kecelakaan pada pengendara sepeda
motor di Kota Denpasar.
2. Mengestimasi kecelakaan lalu lintas pada
pengendara sepeda motor di Kota Denpasar.
3. Menentukan solusi optimal untuk
meminimalkan resiko kecelakaan lalu lintas di
Kota Denpasar.
METODE PENELITIAN
Penelitian merupakan penelitian studi literatur
dengan menelaah 19 jurnal terkait hubungan
penyebab kecelakaan dan angka kecelakaan. Hasil
dari berbagai telaah literatur ini akan digunakan
untuk mengidentifikasi model hubungan penyebab
kecelakaan dan angka kecelakaan di Kota Denpasar.
Jurnal Ilmiah Teknik Sipil
HASIL PENELITIAN
Definisi Kecelakaan Lalu Lintas
Kecelakaan lalu lintas adalah merupakan suatu
peristiwa atau kejadian yang sangat tidak diinginkan
oleh semua pengguna jalan, melibatkan kendaraan
dengan atau tanpa pemakai jalan lainnya, dan juga
mengakibatkan kerugian materi dan mengakibatkan
korban jiwa yang tidak dapat diukur dalam bentuk
apapun (Nugroho, 2012).
1.2 juta orang meninggal setiap tahunnya dan
antara 20 sampai 50 juta lainnya menderita luka
berat akibat kecelakaan di jalan-jalan seluruh dunia.
Saat ini sebagian besar wilayah di dunia masih
banyak yang mengalami epidemi cedera karena
kecelakaan lalu lintas (Fshatsyon,B.G dan Jayesh, J.,
2018).
Sedangkan, definisi korban kecelakaan seperti
yang dituangkan di dalam Peraturan Pemerintah
Nomor 44 Tahun 1993 tentang Lalulintas dan
Angkutan Jalan, yaitu:
a. Korban mati (fatal), adalah yang dipastikan mati
sebagai akibat kecelakaan lalulintas dalam
waktu paling lama 30 hari setelah kejadian.
b. Korban luka berat (seriously injured), adalah
korban yang karena lukalukanya menderita cacat
tetap atau harus dirawat dalam jangka waktu
lebih dari 30 hari sejak terjadi kecelakaan.
c. Korban luka ringan (slightly injured), adalah
korban yang tidak termasuk klasifikasi korban
mati dan luka berat.
Sepeda Motor
Sepeda Motor Berdasarkan Undang-Undang RI
Nomor 22 Tahun 2009 Tentang Lalu Lintas dan
Angkutan Jalan, Bab 1, Pasal 1, Ayat 20, Sepeda
Motor adalah Kendaraan Bermotor beroda dua atau
dengan atau tanpa rumah-rumah dan dengan atau
tanpa kereta samping atau Kendaraan Bermotor
beroda tiga tanpa rumah-rumah. Dan sepeda motor
diperuntukkan hanya untuk dua orang. Menurut
Laporan BPS tahun 2018, jumlah sepeda motor di
Kota Denpasar sampai dengan tahun 2017 adalah
sebanyak 1.292.618 unit dengan angka
pertumbuhan per tahun sebesar 10,97%.
Peningkatan jumlah sepeda motor tersebut sangat
berdampak terhadap kepadatan lalu lintas dan
meningkatkan angka kecelakaan di jalan raya.
Kemudahan mendapatkan sepeda motor hanya
dengan beberapa ratus ribu saja menjadi penyebab
pertumbuhan jumlah sepeda motor menjadi tidak
terkendali. Penggunaan sepeda motor pada sebagian
besar masyarakat di Indonesia lebih dikarenakan
anggapan bahwa sepeda motor adalah kendaraaan
yang irit dan dapat menghemat waktu tempuh
ketimbang menggunakan mobil (Dahlia, 2012).
Menurut penelitian Dahlia (2012), bahwa
pengendara sepeda motor mempunyai catatan
keselamatan yang buruk dibandingkan dengan grup-
grup pengguna jalan lainnya. Di Inggris perkiraan
2

pengendara sepeda motor rata-rata yang meninggal
ataupun luka berat per kilometer kendaraan adalah
dua kali dibandingkan dengan pengendara sepeda
dan 16 kali lebih besar daripada pengendara mobil
dan penumpang. Pengendara sepeda motor hanya
1% menyumbang pada kemacetan lalu lintas akan
tetapi pengendaranya secara total di jalan-jalan di
Inggris menderita luka berat sampai meninggal
sebesar 14%.
Faktor-Faktor yang Berhubungan dengan
Kecelakaan Lalu Lintas Sepeda Motor
Sejumlah penelitian telah dilakukan untuk
menguji karakterisitk dari individu yang diamati
seperti: jenis kelamin, usia dan pengalaman
pengemudi terhadap keparahan kecelakaan sepeda
motor (Dahlia,2012). Hasil penelitian di Nigeria
menunjukan bahwa faktor manusia adalah
penyumbang paling ampuh untuk kecelakaan
kendaraan bermotor di Nigeria. Hal ini tidak
mengherankan karena orang meliputi semua aspek
lalu lintas kecelakaan penyebab: dari konstruksi
jalan yang buruk, korupsi hukum penegakan lalu
lintas, dan pengguna jalan yang buruk (Atubi, 2012).
Hasil penelitian yang dilakukan di New Zealand,
bahwa pengendara laki-laki muda khususnya,
diidentifikasi sebagai salah satu penyebab, dalam
hal ini pengendara berusia 15-24 tahun merupakan
penyebab 67% dari total keseluruhan kecelakaan
kendaraan bermotor (Clarke et al. 2004)
Menurut Masahiro Miyaji, dkk (2008) semua
kecelakaan lalu lintas melibatkan beberapa faktor
kesalahan yaitu :
1. Faktor Manusia.
2. Faktor Kendaraan.
3. Faktor Lingkungan.
1. Faktor Manusia
Menurut UU No. 22 tahun 2009, Pengemudi
adalah orang yang mengemudikan kendaraan
bermotor di jalan yang telah memiliki Surat Izin
Mengemudi. Manusia sebagai pengemudi memiliki
faktor fisiologis dan psikologis. Kombinasi dari
faktor fisiologis dan psikologis menghasilkan waktu
reaksi yang merupakan suatu rangkaian kejadian
yang dialami pengemudi dalam melakukan tindakan
akhir sebagai reaksi adanya gangguan dalam masa
mengemudi yang diukur dalam satuan waktu detik.
Menurut Dahlia (2012) waktu reaksi terdiri dari
empat bagian waktu, berkisar antara 0,5-4 detik
tergantung kompleksitas masalah yang dihadapi dan
juga dipengaruhi oleh karakteristik individual
pengemudi. Faktor tersebut biasa disebut waktu
PIEV, yaitu :
a. Perception : masuknya rangsangan lewat panca
indera.
b. Intellection : menelaah terhadap rangsangan.
Jurnal Ilmiah Teknik Sipil
c. Emotion : penanggapan terhadap rangsangan
setelah proses perception dan intellection, yang
berarti proses penambilan keputusan.
d. Volition : pengambilan tindakan sesuai dengan
pertimbangan yang adil.
Walaupun faktor manusia merupakan faktor
penyebab utama pada mayoritas kejadian
kecelakaan, namun mengingat karakteristik dan
perilaku manusia yang bervariasi secara alamiah
maka tidaklah mudah untuk mempelajari pengaruh
faktor manusia pada kejadian kecelakaan serta tidak
ada tindakan penanggulangan yang dapat secara
efektif diterapkan pada pengguna jalan
2. Faktor Kendaraan
Dalam penelitian Dahlia (2012) desain
kendaraan merupakan faktor engineering pada
kendaraan yang dapat mengurangi terjadinya
kecelakaan (crash avoidance) dan faktor yang dapat
mengurangi cidera yang dialami jika terjadi
kecelakaan (crash worthiness). Adapun faktor
kendaraan yang berisiko menyebabkan kecelakaan
lalu lintas pada pengendara sepeda motor, adalah:
a. Rem blong
b. Ban
c. Selip
d. Lampu kendaraan
3. Faktor Lingkungan
Kondisi jalan yang rusak dapat menyebabkan
kecelakaan lalu lintas. Menurut UU RI No. 22 tahun
2009, Jalan adalah seluruh bagian jalan, termasuk
bangunan pelengkap dan perlengkapannya yang
diperuntukkan bagi lalu lintas umum, yang berada
pada permukaan tanah, di atas permukaan tanah, di
bawah permukaan tanah dan/atau air, serta di atas
permukaan air, kecuali jalan rel dan jalan kabel
(Margareth,2013).
Menurut Margareth E. Bolla (2013), Christofel
N. Bara, et al (2014), Masahiro, et al (2008),
Nugroho (2012) kondisi jalan raya yang
berpengaruh terhadap kejadian kecelakaan lalu
lintas meliputi :
1. Lokasi jalan
2. Volume lalu lintas
3. Kerusakan permukaan jalan
4. Geometrik jalan yang tidak sempurna
5. Musim
DAERAH RAWAN KECELAKAAN
Daerah rawan kecelakaan adalah daerah yang
mempunyai angka kecelakaan tinggi, resiko dan
potensi kecelakaan yang tinggi pada suatu ruas jalan
(Amelia K. et al, 2011), suatu lokasi dapat
dinyatakan sebagai lokasi rawan kecelakaan apabila:
a. Memiliki angka kecelakaan yang tinggi
b. Lokasi kejadian kecelakaan relatif bertumpuk
c. Lokasi kecelakaan berupa persimpangan, atau
segmen ruas jalan sepanjang 100 – 300 m untuk
3
 Jurnal Ilmiah Teknik Sipil

jalan perkotaan, atau segmen ruas jalan 1. Model Regresi Poisson

sepanjang 1 km untuk jalan antar kota
d. Kecelakaan terjadi dalam ruang dan rentang Model Regresi Poisson merupakan model regresi
waktu yang relatif sama nonlinear yang digunakan untuk menganalisis data
e. Memiliki penyebab kecelakaan dengan faktor diskrit (count). Beberapa karakteristik dari
yang spesifik. percobaan yang mengikuti sebaran distribusi
Poisson (D Rahayu et al, 2012) :
METODE PEMODELAN KECELAKAAN 1. Kejadian yang terjadi pada jumlah anggota
populasi yang besar dengan probabilitas yang
Metode pemodelan banyak variabel kecil (kejadian yang jarang terjadi)
(multivariate modeling) merupakan teknik yang 2. Kejadian yang termasuk ke dalam counting
paling umum digunakan dalam membangun model process atau termasuk ke dalam lingkungan
prediksi kecelakaan. Model regresi yang digunakan proses stokastik.
dapat berupa model regresi linier maupun model 3. Bergantung pada interval waktu tertentu
regresi nonlinier. Model regresi non-linier yang 4. Perulangan dari kejadian yang mengikuti
biasa digunakan mencakup model regresi Poisson, sebaran distribusi binomial.
model regresi negatif binomial (NB) (Lucky A. et
al,2012). Jika Yi adalah sebuah variabel acak bebas yang
Turner dan Nicholson (1998) menyimpulkan terdistribusi Poisson dengan mi adalah angka
bahwa model regresi linier tidak cocok digunakan ekspektasi kecelakaan, maka fungsi probabilitas Yi
untuk memprediksi angka kecelakaan. Alasannya ditunjukkan pada Persamaan (1) (Lucky et al, 2012).
pertama-tama bahwa angka kecelakaan adalah 𝜇𝑖 𝑦𝑖𝑒𝑥𝑝−𝜇𝑖
diskrit, sehingga tidak mengikuti distribusi normal. f (Yi = yi) = 𝑦𝑖 !
, 𝑖 = 1,2,3, … 𝑛 (1)
Alasan berikutnya adalah variansi angka kecelakaan
tidak konstan, tapi cenderung meningkat pada saat dimana :
arus lalu lintas meningkat. Alasan berikutnya adalah f (Yi = yi) = fungsi probabilitas terjadinya y
variansi angka kecelakaan tidak konstan, tapi kecelakaan pada lokasi-i
cenderung meningkat pada saat arus lalu lintas µi = angka ekspektasi kecelakaan
meningkat. Selanjutnya, angka kecelakaan tidak yi = jumlah kecelakaan yang terjadi
dapat bernilai negatif sementara struktur error yang pada lokasi –i
terdistribusi normal memiliki probabilitas untuk
menghasilkan angka kecelakaan yang bernilai dengan angka ekspektasi kecelakaan dan simpangan
negatif, khususnya bila arus lalu lintas rendah dan bakunya sesuai yang diberikan pada Persamaan (2)
angka ekspektasi kecelakaan juga rendah. dan Persamaan (3).
Secara serupa Miaou dan Lum (1993) 𝑝
melakukan evaluasi terhadap sifat statistik dari dua E (𝑌𝑖 ) = 𝜇𝑖 = exp(𝑋𝑖 𝛽 ) = exp(∑𝑙 𝑥𝑖𝑗 𝛽𝑗 ) (2)
buah model regresi linier untuk menentukan model
mana yang paling cocok digunakan untuk Var(𝑌𝑖 ) = 𝜇𝑖 (3)
memodelkan hubungan antara kecelakaan lalu lintas
dan karakteristik geometrik jalan. Mereka Dimana :
menyimpulkan bahwa model regresi linier tidak E (𝑌𝑖 ) = angka ekspektasi kecelakaan
dapat menggambarkan karakteristik kecelakaan Var(𝑌𝑖 ) = simpangan baku dari angka kecelakaan
yang acak, diskrit, non-negatif, dan menyebar. Sifat Xi = variabel bebas dari model
yang tidak memuaskan dari model regresi linier β = koefisien yang diestimasi
kemudian mengarahkan pada penggunaan model Xij = nilai parameter j untuk lokasi i
regresi Poisson dan NB. Sebagai contoh Turner dan
Nicholson (1998) serta Hiselius (2004) telah 2. Model Regresi Negatif Binomial (NB)
mendemonstrasikan secara empiris keunggulan Menurut Lucky A. (2012), Bambang H. (2011)
model regresi Poisson atau NB regression atas menyatakan bahwa jika Yi adalah variabel acak
model regresi linier dalam menganalisis angka bebas yang terdistribusi negatif binomial dengan mI
kecelakaan. Model regresi Poisson cukup menarik adalah angka ekspektasi kecelakaan, maka fungsi
untuk digunakan, karena hanya memiliki satu probabilitasnya ditunjukkan pada Persamaan (4)
1 1
parameter untuk diestimasi, namun memiliki 𝑟(𝑦𝑖 + ) 1 𝛼 𝛼𝜇 𝑦𝑖
kelemahan bahwa nilai variansi dari data angka f (𝑌𝑖 = 𝑦𝑖 ) = 𝛼
1 (1+𝛼 𝜇 ) (1+𝛼𝑖 𝑖𝜇 ) ; 𝑖=1,.,n
𝑟(𝑦𝑖 +1)𝑟 ( ) 𝑖 𝑖 𝑖 𝑖
𝛼
kecelakaan harus sama dengan nilai reratanya. Data (4)
angka kecelakaan sering ditemukan memliki nilai Dimana :
variansi yang lebih besar dari nilai reratanya (over- f(𝑌𝑖 = 𝑦𝑖 ) = fungsi probabilitas terjadinya y
dispersi), sehingga penggunaan model regresi kecelakaan pada lokasi-i
Poisson dapat menyebabkan terjadinya bias pada 𝜇𝑖 = angka ekspektasi kecelakaan
koefisien di dan standard error dari model.

4

Yi = jumlah kecelakaan yang terjadi
pada lokasi ke-i
α = parameter overdispersi
dengan angka ekspektasi kecelakaan dan simpangan
bakunya sesuai yang diberikan pada Persamaan (5)
dan Persamaan (6).
𝑝
E (𝑌𝑖 ) = 𝜇𝑖 = exp(𝑋𝑖 𝛽 ) = exp(∑𝑙 𝑥𝑖𝑗 𝛽𝑗 ) (5)
Var(𝑌𝑖 ) = 𝜇𝑖 + α𝜇𝑖 2 (6)
Dimana :
E (𝑌𝑖 ) = angka ekspektasi kecelakaan
Var(𝑌𝑖 ) = simpangan baku dari angka kecelakaan
Xi = variabel bebas dari model
β = koefisien yang diestimasi
Xij = nilai parameter j untuk lokasi i
Kesesuaian model dengan model NB
ditunjukkan oleh parameter dispersinya (α). Apabila
α memiliki nilai yang jauh lebih besar dari 0 (nol)
maka model terdistribusi negatif binomial, begitu
pula sebaliknya.
PENELITIAN TERDAHULU TERKAIT
PEMODELAN KECELAKAAN
Menurut Bambang H. (2011) dalam
penelitiannya yang berjudul Eksplorasi Model
Tingkat Kecelakaan Lalu Lintas di Jalan Tol,
menyimpulkan bahwa model regresi linier dengan
distribusi normal tidak memadai untuk memprediksi
kecelakaan, karena dari data yang digunakan dalam
penelitian ini ditemukan bahwa tingkat kecelakaan
tidak terbukti mengikuti distribusi normal. Model
yang dihasilkan adalah 𝐿𝑛(𝑡𝑜𝑡𝑎𝑙) = 3.503 +
0.07792(𝑝𝑎𝑛𝑗𝑎𝑛𝑔) + 0.000002622(𝐿𝐻𝑅)
Dari keluaran perangkat lunak, walaupun semua
variabel signifikan pada taraf lebih dari 95 persen,
tetapi dapat dilihat adanya kemungkinan nilai
koefisien panjang ruas dan LHR dapat sama dengan
nol. Gagasan bahwa volume dan panjang ruas tidak
mempunyai pengaruh pada jumlah kecelakaan yang
terjadi, berdasarkan pengamatan, merupakan ide
yang sulit diterima. Karena asumsi model tidak
benar hubungan ini invalid.
Menurut Dahlia (2012) dalam
penelitiannya yang berjudul model hubungan
penyebab kecelakaan dan angka kecelakaan lalu
lintas sepeda motor di kota depok menghasilkan
model regresi poisson. Dari hasil regresi Poisson itu
pula dihasilkan suatu persamaan model yang dapat
digunakan untuk memprediksi jumlah sepeda motor
yang terlibat dalam suatu kecelakaan lalu lintas yang
disebabkan oleh faktor-faktor penyebabnya yaitu
sebagai berikut :
Ln(motor) = 2.659 + 0.030 (tdk.tertib) + 0.045
(tdkterampil) + 0.027 (lengah) + 0.032 (lelah)
Jurnal Ilmiah Teknik Sipil
Persamaan model matematis tersebut menyatakan
bahwa dari kasus kecelakaan akibat : ketidak
tertiban, ketidak terampilan, kelengahan dan
kelelahan dapat diketahui jumlah sepeda motor yang
terlibat.
Penelitian dilakukan oleh Rini C. (2014) yang
meneliti tentang pengujian overdispersi pada Model
Regresi Poisson dengan studi kasus yaitu Laka
lantas mobil penumpang di Provinsi Jawa Barat.
Model Regresi Poisson untuk data kecelakaan
lalulintas pada mobil penumpang dan factor-faktor
penyebabnya dari tahun 2011 sampai tahun 2013
adalah sebagai berikut :
Yi = exp(3.5335+0.0031𝑋1𝑖 -0.0025𝑥2𝑖 −
0.01313𝑖 ) + εi
Dimana berdasarkan hasil analisa data, faktor
manusia, faktor jalan, dan faktor alam, merupakan
faktor yang memiliki kontribusi dan pada model
regresi poisson mengalami overdispersi sehingga
model ini tidak cocok digunakan untuk memodelkan
studi kasus laka lantas mobil penumpang di Provinsi
Jawa Barat.
Dalam penelitian studi literature yang dilakukan
oleh Saccomano & Buyco C. (1998) penelitian
pernah dilakukan oleh Wright dan Burnham
mengenai pemeodelan kecelakaan truk
menggunakan regresi linier berganda, dan analisis
faktor untuk mempelajari pengaruh jalan yang
dipilih pada tingkat kecelakaan truk dan tingkat
keparahan. Model yang dihasilkan adalah :
Y2 = 9.85𝑋10 + 6.83𝑋13 + 36.08𝑋14 +
11.37𝑋15 − 55 ; 𝑅2 = 0.36
Dimana Y2 merupakan tingkat kecelakaan truck.
Dan variabel yang berpengaruh dari persamaan itu
adalah total jarak tempuh (𝑋10 ) jarak tempuh
kelengkungan vertikal (𝑋14 ) lebar trotoar (𝑋15 ).
Dari persamaan itu dijelaskan bahwa
berdasarkan nilai 𝑅2 = 0.36 banyak varian yang
diprediksi dalam tingkat kecelakaan yang belum
bisa dijelaskan. Koefisien yang dihasilkan juga
kurang signifikan. Selanjutnya tanda minus dalam
persamaan tersebut tidak dapat diterima karena
angka kecelakaan harus positif. Penggunaan regresi
linier berganda untuk menganalisis penyebab
kecelakaan truk mungkin tidak sesuai karena
hubungan itu sendiri tidak selalu mencerminkan
perilaku linier. Selain itu, regresi linier berganda
tidak dapat menjelaskan sifat non-negatif dari
kejadian kecelakaan.
Solusi Optimal Untuk Meminimalkan Resiko
Kecelakaan Lalu Lintas Di Kota Denpasar
Kebijakan yang dapat diambil oleh pihak
berwenang untuk menurunkan angka kecelakaan
lalu lintas sepeda motor yang berkaitan dengan
perilaku pengendara adalah sebagai berikut :
1. Memperbaiki dan meningkatkan disiplin
pengendara.
5
 Jurnal Ilmiah Teknik Sipil

2. Memperkecil atau mengurangi bervariasi 2) Metode penelitian 2) Metode yang

kecepatan (karena terlalu berfluktuasi, terutama yang digunakan digunakan adalah
terhadap kecepatan tinggi, baik pada suatu ruas adalah Generalized analisis regresi
jalan tertentu ataupun pada suatu jaringan jalan. Linear Method. poisson.
3. Mengurangi kecepatan rata-rata (mean speed) Analisa Faktor Penyebab Kecelakaan Lalu Lintas
pada suatu titik tertentu atau pada suatu ruas Pada Segmen Jalan By-Pass Krian –
jalan tertentu ataupun pada suatu jaringan jalan. Balongbendo (Km. 26+000 – Km. 44+520)
4. Menciptakan suatu lingkungan berlalu lintas 1) Mengetahui daerah 1) Tidak menganalisis
yang lebih teratur dan tertib (yaitu meningkatkan rawan kecelakaan daerah rawan
kepedulian pengendara terhadap pengendara lalu lintas (black kecelakaan lalu
lainnya ataupun terhadap pejalan kaki). spot). lintas (black site).
2) Lokasi studi di 2) Meninjau
Perbedaan Jurnal Terkait dengan Usulan segmen jalan pada kecelakaan lalu
Penelitian kilometer yang lintas pada ruas
Jurnal Terkait Usulan Penelitian ditentukan. jalan di Kota
Determinants Of Road Traffic Accident Denpasar.
Occurrences In Lagos State: Some Lessons For Pengujian Overdispersi pada Model Regresi
Nigeria. Poisson
1) Sampel yang 1) Sampel yang 1) Menguji overdispersi 1) Jika terjadi
digunakan digunakan pada hasil yang overdispersi hanya
menggunakan sampel menggunakan dihasilkan oleh menyarankan untuk
kecelakaan roda sampel kecelakaan model regresi menganalisis
empat. roda dua. poisson. dengan metode lain.
2) Metode penelitian 2) Metode yang 2) Sampel yang 2) Sampel yang
yang digunakan digunakan adalah digunakan adalah digunakan adalah
adalah analisis model analisis regresi mobil penumpang. kendaraan roda dua.
regresi berganda. poisson. Pengembangan Model Prediksi Kecelakaan Lalu
Lintas pada Jalan Tol Purbaleunyi
Modeling traffic accident occurrence and 1) Menggunakan empat 1) Hanya
involvement. macam metode dan Menggunakan satu
memilih metode metode
1) Metode penelitian 1) Metode yang
yang cocok. 2) Menganalisis faktor
yang digunakan digunakan adalah
2) Memprediksi angka yang
adalah analisis model analisis regresi
kecelakaan. mempengaruhi.
binomial negatif. poisson.
Road Traffic Accident Analysis And Prediction
2) Variabel yang 2) Variabel yang
Model: A Case Study Of Vadodara City.
digunakan adalah diteliti adalah
untuk kelompok jenis manusia, kendaraan, 1) Metode penelitian 1) Metode yang
kelamin dan usia lingkungan fisik, yang digunakan digunakan adalah
yang berbeda lingkungan sosial. adalah analisis analisis regresi
model regresi poisson.
Analisis Daerah Rawan Kecelakaan Lalu Lintas berganda. 2) Data kecelakaan
(Studi Kasus Ruas Jalan Timor Raya Kota 2) Data kecelakaan yang dikumpulkan
Kupang). yang dikumpulkan adalah selama lima
adalah selama tujuh tahun terakhir.
1) Meninjau kecelakaan 1) Meninjau tahun terakhir.
lalu lintas pada tiap kecelakaan lalu
Effectiveness of enforcement levels of speed
kilometer. lintas pada ruas
limit and drink driving laws and associated
2) Metode penelitian jalan di Kota
factors e Exploratory empirical analysis using a
yang digunakan Denpasar.
bivariate ordered probit model.
adalah pendekatan 2) Metode yang
EAN ( Equivalent digunakan adalah 1) Sampel yang 1) Sampel yang
Accident Number ). analisis regresi digunakan digunakan
poisson. menggunakan menggunakan
Pemodelan Kecelakaan Sepeda Motor Pada Ruas sampel kecelakaan sampel kecelakaan
Jalan Di Kota Atambua . roda empat. roda dua.
2) Metode penelitian 2) Metode yang
1) Meninjau kecelakaan 1) Meninjau yang digunakan digunakan adalah
lalu lintas pada 3 kecelakaan lalu adalah analisis analisis regresi
tahun terakhir. lintas pada 5 tahun model regresi poisson.
terakhir. bivariat.

6
 Jurnal Ilmiah Teknik Sipil

Generalized Loglinear Models of Truck Accident regresi Poisson lebih baik daripada model regresi
Rates binomial negatif dan sebaliknya bila hipotesis
1) Sampel yang 1) Sampel yang nol tidak terjadi overdispersi ditolak maka model
digunakan adalah digunakan adalah regresi binomial negatif lebih baik digunakan
Truk. kendaraan roda dua. daripada model regresi Poisson. Bila nilai
2) Metode yang 2) Menggunakan deviance/df dan Pearson/df pada goodness of
digunakan adalah Metode regresi fitmendekati satu maka tidak mengindikasikan
model generalized poisson. terjadinya overdispersi.
loglinear. 4. Angka kecelakaan yang melibatkan sepeda
motor di Kota Denpasar diprediksi akan terus
KESIMPULAN meningkat apabila tidak segera diambil suatu
langkah kebijakan untuk menurunkan pengaruh
1. Dari berbagai penelitian terdahulu, dapat faktor-faktor penyebab kecelakaan.
disimpulkan faktor-faktor penyebab terjadinya 5. Perbedaan antara jurnal dan usulan penelitian
kecelakaan dapat dilihat dalam gambar 1 digunakan sebagai bahan referensi untuk
dibawah ini : membandingkan metode mana yang baik
digunakan untuk memodelkan penelitian yang
akan dilakukan.

Gambar 1 Faktor penyebab kecelakaan
Sumber : Atubi (2012), Dahlia (2012), Nugroho U.
(2012), Amelia K. et al (2011), Behram W. et al
(2017), Fshatsyon B. G. et al (2018), Mohamed A.
et al (1999).
2. Model yang akan digunakan dalam penelitian ini
adalah regresi poisson. Karena model regresi
linier harus digunakan secara hati-hati dalam
studi keselamatan karena angka kecelakaan tidak
dapat bernilai negatif dan error dari angka
kecelakaan memiliki nilai variansi yang tidak
konstan.
3. Model regresi binomial negatif memiliki
parameter dispersi κ yang mampu
mengakomodasi permasalahan overdispersi
pada model regresi Poisson. Bila hipotesis nol
tidak terjadi overdispersi diterima maka model
SARAN
Beberapa saran yang dapat penulis sampaikan dari
studi ini adalah :
1. Pentingnya pemilihan metode analisis untuk
dapat membuat suatu model hubungan penyebab
kecelakaan dan angka kecelakaan khususnya
sepeda motor, sehingga dapat dihasilkan suatu
model yang dapat memberikan penjelasan
sederhana dari fenomena aktual yang diamati
dalam upaya menjelaskan gejala-gejala umum,
memperkirakan kecendrungan yang akan terjadi
serta pengendalikan dengan kebijakan-kebijakan
tertentu. Diharapkan hal ini dapat dijadikan
rekomendasi untuk penelitian selanjutnya.
2. Penting bagi Pemerintah Kota Denpasar bersama
pihak-pihak terkait untuk melakukan suatu
intervensi pada faktor-faktor penyebab
kecelakaan lalu lintas secara umum dan
khususnya sepeda motor.
3. Melakukan sosialisasi road safety, terutama bagi
siswa-siswa sekolah yang ada di Kota Denpasar
sehingga mereka lebih memahami risiko
berkendara, peraturan-peraturan yang berlaku
dan pentingnya alat pelindung diri pada saat
berkendara.
DAFTAR PUSTAKA
Amelia K., et al. 2011. Karakteristik Kecelakaan
dan Audit Keselamatan Jalan Pada Ruas
Ahmad Yani Surabaya. Jurnal Teknik
Sipil :5(1) 40-44
Atubi, A. 2012. Determinants Of Road Traffic
Accident Occurrences In Lagos State:
Some Lessons For Nigeria. International
Journal of Humanities and Social
Science:2(6) 252-259
Badan Pusat Statistik Kota Denpasar, 2018.
Banyaknya Kendaraan Bermotor

7

Menurut Jenisnya Tahun 2018. Kota
Denpasar : Badan Pusat Statistik
Behram, W., Anwaar A. et al. 2017. Effectiveness
of enforcement levels of speed limit and
drink driving laws and associated factors
e Exploratory empirical analysis using a
bivariate ordered probit model. Journal
of Engineering and Technology:4(3) 272-
279
Dian, R., Wiwiek, S. et al. 2012. Pemodelan
Pengaruh Iklim Terhadap Angka
Kejadian Demam Berdarah Dengue di
Surabaya.Jurnal Sains dan Seni: 1(1)1-6
Fshatsyon, B., et al. Road Traffic Accident Analysis
And Prediction Model: A Case Study Of
Vadodara City. International Research
Journal of Engineering and Technology:
5(1) 191-193
Haryadi, Bambang. 2011. Eksplorasi Model Tingkat
Kecelakaan Lalu Lintas Jalan Tol
Dengan Teknik GLM (Generalized
Linear Modeling), Jurnal Teknik
Sipil.13:91-100
Hiselius, L.W., 2004, Estimating The Relationship
Between Accident Frequency and
Homogeneous and Inhomogeneous
Traffic Flows. Accident Analysis and
Prevention: 36(6), 985- 992.
Lucky A., Aine K. et al. Pengembangan Model
Prediksi Kecelakaan Lalu Lintas pada
Jalan Tol Purbaleunyi. Jurnal Teknik
Sipil: 19(3)277-288
Margareth E. Bolla et al. 2014. Pemodelan
Kecelakaan Sepeda Motor Pada Ruas
Jalan Di Kota Atambua. Jurnal Teknik
Sipil:3(2) 137-148
Margareth E. Bolla, Yunita A. 2013. Analisis
Daerah Rawan Kecelakaan Lalu Lintas
Di Kasus Ruas Jalan Timor Raya Kota
Kupang. Jurnal Teknik Sipil:2(2) 147-
156
Masahiro M., Mikio D. et al. 2008. Analysis of
Driver Behavior based on Experiences of
Road Traffic Incidents investigated by
means of Questionnaires for the
Reduction of Road Traffic Accident.
International Journal of ITS Research :
6(1) 47-56
Mawar. D. 2012. Model Hubungan Penyebab
Kecelakaan Dan Angka Kecelakaan Lalu
Lintas Sepeda Motor Di Kota Depok.
(Tesis Program Magister Keselamatan
dan Kesehatan Kerja Universitas
Indonesia, 2012).
Miaou, SP., Lum, 1993, The Relationship Between
Truck Accidents and Geometrik Design of
Jurnal Ilmiah Teknik Sipil
Road Sections: Poisson versus Negative
Binomial Regressions. Oak Ridge, TN
Mohamed A. et al. 1999. Modeling traffic accident
occurrence and involvement. Jurnal
Teknik Sipil Universitas Florida: 633-
642
Nugroho, U., Analisa Faktor Penyebab Kecelakaan
Lalu Lintas Pada Segmen Jalan By-Pass
Krian – Balongbendo. Jurnal Teknik
Sipil KERN: 2(2) 73-84
Republik Indonesia. 2009. Undang-Undang No. 22
Tahun 2009 tentang Lalu Lintas dan
Angkutan Jalan. Jakarta: Sekretariat
Negara.
Rini, C. 2014. Pengujian Overdispersi Pada Model
Regresi Poisson. Jurnal Statistika.14 (2) :
69-76
Saccomano, F.F. & C. Buyco. 1998. Generalized
Logliniear Models of Truck Accident
Rates. Highway Research Record 1172,
Highway Research Board, Wasington,
D.C.
Turner, S., Nicholson, A., 1998, Intersection
Accident Estimation: The Role of
Intersection Location and Non-Collision
Flows, Accident Analysis and Prevention
: 30(4) 505-517
Wali, B., Anwar K., et al. 2017 Effectiveness of
enforcement levels of speed limit and
drink driving laws and associated factors
e Exploratory empirical analysis using a
bivariate ordered probit model. journal
of traffic and transp ortation engineering.
4(3):272-279
World Health Organization. 2016. Road Traffic
Injuries Fact Sheet. Geneva: WHO.
Zhao, X., Xu, W., Ma, Jianming., Li, Haijian. &
Chen, Y. 2019. An Analysis of The
Relationship Between Driver
Characteristics and Driving Safety Using
Structural Equation Models.
Transportation Research Part F: Traffic
Psychology and Behaviour. 62:529-545.