METODOLOGI ANALISIS SEBELUM DAN SESUDAH

PROGRAM KESELAMATAN LALU -LINTAS

Tri Tjahjono 1 Ellen S.W. Tangkudung 2

Staf Pengajar Jurusan Teknik Sipil Staf Pengajar Jurusan Teknik Sipil
Universitas Indonesia, Depok 16424 Universitas Indonesia, Depok 16424
e-mail: ttjahjon@its.leeds.ac.uk e-mail : ellen@eng.ui.ac.id

Abstrak:

Makalah ini membahas metodologi analisis sebelum dan sesudah program keselamatan lalulintas (S3KPL) yang
dapat digunakan sebagai acuan untuk melihat sejauh mana efektivitas program dapat dikatakan berhasil atau
gagal. Terdapat Empat pendekatan yang dibahas, yaitu: Pendekatan klasikal (naïve), regressi, Empirikal
Bayesian (EB) serta kombinasi Regresi dan EB. Pembahasan juga melihat sejauh mana kebutuhan data
kecelakaan lalulintas (laka) da n permasalahan yang dihadapi dalam analisis statistical. Suatu contoh hypothetical
dibuat untuk lebih menjelaskan pembahasan dan suatu rekomendasi untuk pengembangan S3KPL yang
disuaikan dengan kondisi ketersediaan data laka di Indonesia.

Pendahuluan

Secara sederhana sistematika program keselamatan lalulintas dimulai dengan upaya

pencatatan kecelakaan lalulintas dalam suatu database yang konsisten dan akurat yang
kemudian dilanjutkan ke program diagnosis, implementasi dan diakhiri dengan proses
evaluasi untuk memberikan umpan balik (Gambar 1). Di dalam makalah ini pembahasan
dibatasi hanya pada konteks bagaimana proses evaluasi dijalankan dengan memperhatikan
kaidah statistika yang ada Proses evaluasi ini pada umumnya dikenal sebagai studi sebelum
dan sesudah upaya penanganan keselamatan lalulintas ( before and after countermeasures
study) yang selanjutnya disingkat dengan S3PKL.

Gambar 1. Sistematika S3KPL

1
Saat ini sedang tugas belajar di Institute for Transport Studies, the University of Leeds, Inggris.
2
Kepala Laboratorium Transportasi pada Jurusan Teknik Sipil Universitas Indonesia.
 Simposium III FSTPT, ISBN no. 979-96241-0-X

2. Permasalahan Yang Ada

Metode S3KPL yang tepat harus memperhatikan beberapa masalah teknis dan praktis yang
ada (Ben-Akiva et al., 1999). Pertama, dalam masalah teknis setidak -tidaknya terdapat tiga
masalah yang timbul, yaitu: (i) masalah fluktuasi yang timbul secara acak dalam frekuensi
laka, (ii) perubahan factor -faktor eksternal selama periode studi seperti perubahan
karakteristik lalulintas dan system pengoperasiannya, serta (iii) Masalah efek “ regression-to-
the mean” (RTM) atau “bias-by-selection”. Kedua, dalam masalah praktis terdapat dua hal
yang harus menjadi bahan pertimb angan, yaitu: (i) ketersediaan data (atau lebih tepatnya
ketidak-tersediaan data), dan (ii) lamanya periode studi. Masalah ini timbul karena terdapat
proses tawar-menawar (trade-off). Di satu pihak, semakin lama periode studi akan
mengurangi fluktuasi acak frekuensi laka dan RTM, tetapi dilain pihak meningkatkan
kemungkinan perubahan eksternal seperti karakteristik lalulintas dan system
pengoperasiaanya. Bila data tidak menjadi kendala dan terdapat keyakinan tidak adanya
perubahan eksternal yang signifikan, maka periode tiga tahun ‘sebelum’ dan tiga tahun
‘sesudah’ penanganan dapat direkomendasikan (Haeur, 1998).
Masalah dasar yang dihadapi dalam S3PKL adalah:
1. Observasi dilakukan pada lokasi dimana implementasi dilakukan dengan mengamati
kejadian laka yang satu atau beberapa variable penyebabnya tidak dapat dikontrol sama
sekali. Berbeda dengan observasi di laboratorium dimana salah satu variabelnya dapat
dikontrol secara cermat (misalnya efek muai panjang suatu benda akibat temperatur,
dimana di dalam observasi laboratorium variable temperatur dapat dikontrol secara
cermat) dan efeknya dapat diketahui dengan akurat.
2. Waktu berakhirnya periode ‘sebelum’ implementasi dapat ditentukan secara pasti, yaitu
pada saat implementasi dioperasikan.atau periode ‘sesudah’ dimulai. Tetapi, kapan
periode ‘sebelum’ dimulai tidak dapat ditentukan dan biasanya sangat tergantung dari data
yang tersedia.

Selain itu hal yang paling krusial adalah definisi “ safety”, apakah frekuensi laka atau
“accident rate” yang didefinisikan sebagai frekuensi laka dibagi dengan besarnya lalulintas
(untuk penggal jalan pada umumnya dinyatakan dalam kendaraan kilometer) per unit waktu
atau “traffic exposure”? Penggunaan “accident rate” dapat digunakan apabila terdapat
hubungan linier antara jumlah laka dengan arus lalulintas. Apabila hubungannya tidak linier,
tingkat keselamatan lalulintas dapat saja menjadi membaik dengan sendirinya tanpa suatu
penanganan karena meningkatnya arus lalulintas yang lebih besar dibandingkan dengan laka
(Haeur, 1995). Pada umumnya, karena pengamatan “sebelum” dan “sesudah”penanganan
bekisar 6 tahun (atau bahkan kadang -kadang hanya 1 tahun untuk “sebelum” dan 1 tahun
untuk “sesudah”) dan mengasumsikan tidak terjadi perubahan eksternal yang ekstrim, maka
definisi laka yang dipilih umumnya adalah frekuensi laka.

3. Pijakan Berpikir
Terdapat beberapa dasar berpijak dalam S3KPL yang dapat diuraikan sebagai berikut:

1. Perkiraan perubahan adalah perkiraan frekuensi rata -rata laka secara rata-rata jangka
panjang dan bukan berdasarkan estimasi satu tahun pengamatan

2
 Simposium III FSTPT, ISBN no. 979-96241-0-X

2. Perbandingan bukan dilakukan terhadap frekuensi laka ‘sebelum’ penanganan dan

‘sesudah’ penanganan, tetapi perbandingan dilakukan antara frekuensi laka pada periode
‘sesudah’ apabila penanganan tidak dilakukan dengan apabila dilakukan.
3. Di dalam masalah keselamatan lalulintas terdapat dua sisi tinjau. Pertama, terdapat
pengukuran objektif yang merefleksikan kejadian laka serta dampak yang diakibatnya
(menggunakan terminology bahasa Inggris: safety), serta persepsi subjektf terhadap sejauh
mana rasa aman di jalan (security). Seyogyanya, perubahan kedua hal ini perlu dilakukan
dalam SP3KL, tetapi masalah kedua membutuhkan suatu studi psikologis yang lebih
mendalam dan tidak mungkin didapat dengan hanya menganalisis data laka. Dengan kata
lain, masalah perubahan safety saja yang dapat dievaluasi.

Untuk memudahkan pijakan berpikir, Gambar 2 memberikan ilustrasi dari penjelasan di atas.

Kecelakaan Lalulintas di Jalan Tol Jagorawi Kecelakaan Lalulintas di Jalan Tol Jagorawi
(hipothesis akibat perubahan)
45 60

40 Rata-rata per 4 50
bulanan
35
40
Jumlah Laka

30
30
25
20
20
10
15 Sebelum Sesudah

0
10
Sep- Jan-98 Apr-98 Jul-98 Nov- Feb-99 May- Aug- Dec- Mar-00
Jan-98 Apr-98 Jul-98 Nov-98 Feb-99 May-99 Aug-99 Dec-99 97 98 99 99 99
Bulan

Gambar 2a. Gambar 2b

Gambar 2a memperlihatkan bahwa trendline laka lalulintas akan lebih stabil apabila
menggunakan basis rata -rata 4 bulanan dan hal ini akan menjadi lebih baik dengan
memperbesar periode rata -rata (penjelasan untuk butir 1). Sedangkan pada Gambar 2b
menunjukan bahwa perbandingan sebelum dan sesudah penanganan bukan didasari data dari
“sebelum” perubahan dengan “sesudah” perubahan, tetapi berdasarkan perkiraan apabila
tanpa perubahan dengan perubahan pada periode sesudah. Tentunya perkiraan apabila tanpa
perubahan berdasarkan data laka “sebelum”. Seperti trendline yang ditunjukan pada Gambar
2a.

4. Metode S3KPL
Pada prinsipnya terdapat tiga pendekatan untuk melakukan proses evaluasi yang dapat dilihat
pada Tabel 1 di bawah ini (Ben -Akiva et al.,1999).
4.1 Komparasi Sederhana ‘Sebelum’ dan ‘Sesudah’
Efektivitas penanganan, pada umunya diperkirakan sebagai persentase antara pengukuran
frekuensi kecelakaan antara “sebelum” dan “sesudah” penanganan lokasi. Pengujian statistika
dilakukan terhadap uji Ho: frekuensi laka “sebelum” dan sesudah” sama besarnya.

3
 Simposium III FSTPT, ISBN no. 979-96241-0-X

Tabel 1. Empat Pendekatan Untuk S3KPL

Ketersediaan Data Kecelakaan Lalulintas (Laka)
Hanya Data Jumlah Jumlah Laka + Variabel-
Laka Variabel Penyebabnya
Klasikal Komparasi Sederhana Model Regressi
(Naïve) ‘Sebelum’ dan (Pendekatan 2)
Metode
‘Sesudah’ (Pendekatan 1)
Statistikal
Bayesian Estimasi Empirikal Kombinasi Regressi dan
Bayesian (EB) Empirikal Bayesian (EB)
(Pendekatan 3a) (Pendekatan 3b)

Keuntungan dari pendekatan ini sangat mudah tetapi tidak mengkonsiderasikan terhadap
perubahan faktor eksternal dan efek RTM. ( Karena frekuensi laka berfluktuasi acak, maka
dapat saja data laka pada periode “sebelum” kebetulan sangat tinggi atau sangat rendah dan
apabila data ini digunakan untuk pembanding “sesudah”, maka nilai yang didapat menjadi
tidak terlalu tepat, hal inilah yang disebut sebagai bias akibat lokasi - dalam hal ini periode
“sebelum”)
Walaupun demikian cara ini sudah menjadi standar di beberapa negara maju dengan
pendekatan yang dapat diuraikan sebagai berikut:
Secara singkat pendekatan ini memilik i dua task, yaitu:
Task 1 (parameter ). Prediksi apa yang akan terjadi apabila entity pada periode “sesudah”
penanganan tidak dilakukan sama sekali
Task 2 (parameter ) Estimasi sejauh mana besarnya frekuensi laka setelah penanganan
dilakukan.
Dampak dari S3KPL dinilai dengan membandingkan  dan . Terdapat dua hal yang dapat
dilakukan, yaitu:
 = - Reduksi jumlah laka yang diperkirakan pada periode “sesudah” dari target laka
yang dilakukan penanganannya (jenis atau tingkat laka), atau:
 = / Ratio keselamatan lalulintas apabila penanganan dilakukan terhadap bila
penanganan tidak dilakukan atau indeks efektivitas penanganan. Bila <1
penanganan berjalan dengan efektif, bila >1, maka terjadi efek negatif yang
justru meningkatkan jumlah laka. Dapat juga dinyatakan dalam 100x(1 -) atau
reduksi perkiraan laka dalam persen. Apabila memperhatikan variasi dari data
laka untuk menghindari bias, maka: * = (/)/[1+VAR{/2)

4.2 Model Regresi

Model ini juga disebut model prediksi, dengan menggunakan beb erapa variabel yang dapat
menjelaskan kemungkinan timbulnya laka pada periode “sebelum”, maka dapat
dikembangkan menjadi suatu model perkiraan laka yang dapat digunakan baik untuk prediksi
(parameter ) maupun estimasi (parameter ). Hipothesis yang diguna kan pada umumnya
adalah:

4
 Simposium III FSTPT, ISBN no. 979-96241-0-X

(i) Laka adalah kejadian yang sangat jarang terjadi dan bersifat acak sehingga lebih
tepat mengikuti sebaran Poisson atau negatif binomial dibandingkan dengan sebaran
normal.
(ii) Laka terjadi akibat interaksi dari tiga sub -sistem: pengemudi, kendaraan dan
lingkungan jalan. Kejadian laka sangat jarang akibat dari satu variabel penyebab
saja, sehingga laka terbentuk akibat hubungan kumpulan (set) variabel -variabel
penyebab laka.
Model Prediksi (atau Estimasi) berusaha menghubungkan variabel i ndependen tertentu
dengan laka sebagai variabel dependen berdasarkan persamaan matematik. Metode yang
paling umum menggunakan multivariate statistitics. Berdasarkan hipothesis di atas
penggunaan regresi linier biasa dengan mengasumsikan variabel depende la ka mengikuti
sebaran normal tidak dapat digunakan, serta keterikatan dengan kumpulan variabel -variabel
bebas, maka model yang paling tepat adalah Generalized linear Model (GLM) dengan
penggunaan sebaran Poisson atau negatif binomial (McCullagh and Nelder, 1989). Tabel 2
menunjukan berbagai analisis statistika dengan pendekatan GLM untuk pengukuran respon
dan variabel explanatorinya berdasarkan berbagai skala pengukuran. Dobson (1990).

Tabel 2. Metode utama analisis statistik untuk respon dan variabel eks planatori pada
berbagai skala pengukuran.
Variabel respon
Variabel Binari Nominal dengan  2 kategori kontinyu
Eksplanatori
Binari 2x2 contigency Contigency tables dan log-linear t-test
tables, logistic models
regression dan
log-linear models
Nominal GLM dan log- Contigency tables dan log-linear Analysis of variance
dengan  2 linear models models
kategori
kontinyu Dose-response Data dengan variabel nominal  2 Multiple regression
models dan kategori dan variabel eksplanatori
logistic kontinyu acapkali dianalisis dengan
regression meredefinisikan permasalahannya
Beberapa GLM sehingga peran dari variabel respon Multiple regression
kontinyu dan dan eksplanatori dapat bertukar and analysis of
beberapa tempat. covariance

Aplikasi dari GLM dalam model la ka pada dekade terakhir menunjukan bahwa bentuk
persamaan yang sederhana dari kumpulan variabel eksplanatori memberikan hasil yang
memuaskan, sehingga bentuk persamaan yang kompleks tidak diperlukan (Taylor et al.,
2000). Persamaan tersebut dapat berupa:
Persamaan pangkat ………………………. X
Persamaan eksponensial ………………… eY
dimana X and Y adalah variabel eksplanatori.

Sehingga apabila FK adalah frekuensi laka yang akan diprediksi, serta Xi dan Yj adalah
variabel-variabel eksplanatori (i = 1,2,…; j = 1,2,…), maka persamaan laka adalah sebagai
berikut:
FK = k X 11 x X22 x …. x exp(1Y1) x exp(2Y2) x ….
5
 Simposium III FSTPT, ISBN no. 979-96241-0-X

atau
ln(FK) = ln k + 1lnX1 + 2lnX2 + …. + 1Y1 + 2Y2 + ….

Persamaan multiplikatif dapat dirangkum sebagai berikut:

FK = k (kecepatan) (arus) (Geometri) (Lingkungan)(Lain-lain) (Residual)
dimana:
FK = Perkiraan frekuensi laka
k = konstanta regresi
Kecepatan = Kumpulan variabel kecepatan (antara lain: rata -rata, maksimum,
minimum)
Flow = Kumpulan variabel arus lalulintas (antara lain: volume,
kepadatan)
Geometry = Kumpulan variabel geometri jalan (antara lain: lebar jalur, lajur
dan bahu jalan)
Lingkungan = Kumpulan variabel lingkungan (antara lain: cuaca, waktu
kejadian laka).
Lain-lain = Kumpulan variabel lain -lain (antara lain: karakteristik
pengemudi dan kendaraan)
Residual = error term dari persamaan regresi.

Tabel 3 menunjukan berbagai persamaan dari model -model prediksi laka dari berbagai
negara.

4.3 Estimasi Empirikal Bayes (EB).

Pendekatan ini menggunakan hukum Bayesian dengan melihat probabilistik perkiraan laka
dapat diukur melalui sepenggal informasi tambahan. Hipothesis yang melatarbelakangi
pendekatan EB sebagai berikut:
Pencatatan laka pada suatu entiti tertentu dan informasi yang berkaitan dengan
keselamatan pada entiti lainnya yang memiliki kesamaan pembenarannya dapat
digunakan untuk memperkirakan frekuensi laka entiti tersebut.

Dua informasi yang digunakan untuk memperkirakan tingkat keselamatan dalam pendekatan
EB, yaitu:
Clue 1 Informasi yang berhubungan dengan kualitas kar akteristik (traits) suatu entiti
dimana memiliki kesamaan dengan entiti lainnya tentang keselamatan lalulintas
dimana terdapat data yang menunjangnya (seperti informasi laka yang melibatkan
truk yang berjalan lambat pada jalan tol).
Clue 2 Informasi yang ditarik dari pencatatan kecelakaan lalulintas pada suatu entiti dimana
merefleksikan keselamatan lalulintas (seperti data laka pada jalan tol tertentu).

6
 Simposium III FSTPT, ISBN no. 979-96241-0-X

Tabel 3. Model Frekuensi Kecelakaan Berdasarkan Berbagai Studi

No Referensi, Lokasi Studi Tujuan Studi dan Model
1 Taylor et al., 2000 Hubungan antara kecepatan dan laka,
Jalan Urban di kota London Model U1: Laka proporsional terhadap rata -rata kecepatan,
dan kota besar lainnya di V (mil/jam) dan Koefisien variasi dari kecepat an, Cv.
luar London, Inggris FK = k1 V eCv
Model U2: Laka proporsional dengan proporsi kendaraan
meliwati batas kecepatan maksimum, P (%) dan kecepatan
rata-rata kendaraan yang melewati batas kecepatan, Vex
(mil/jam)
FK= k2PeVex
2 Baruya et al, 1999 Mencari hubungan laka dengan kecepatan.
Jalan rural satu jalur di Laka proporsional dengan maksimum kecepatan, S, rata -
Eropa (Belanda, Portugal rata kecepatan, V, dan proporsi kendaraan meliwati batas
dan Inggris) maksimum laka, P, serta konstanta (C) berhubungan
dengan arus (Q), panjang ruas (L), jumlah simpang minor
(MJ), lebar jalur (W) dan kecepatan maksimum (S).
FK = CeSVP
C = [kQ1Q2L3e4NJ+5W+6S]
3 Maher dan Summersgill, Model persimpangan pertigaan bersinyal ; Laka
1996 proporsional dengan volume kendaraan melintasi
Persimpangan bersinyal di persimpangan (QN) untuk level1, volume kendaraan dari
Inggris. jalan utama (QMA) dan volume kendaraan dari jalan
Model dibuat dalam tiga samping (QMI) untuk level2 dan laka kendaraan berbelok
level: model umum, model kanan pada jalan utama proporsional dengan volume
intermediate dan model in- kendaraan berbelok kanan dan (Q3) dan kendaraan yang
depth. menerus (Q8) serta faktor-faktor multiplikasi dari variabel
lain, K1,K2,K3 dan K4 (sudut simpang, proporsi sepeda
motor, waktu hijau dan intergreen) untuk Level 3.
Level 1: Fk total = kQN
Level 2: Fk kend = kQMAQMI
Level 3: Fk belok-kanan= kQ3Q8K1K2K3K4
4 Kulmala, 1995 Hubungan laka pada simpang tanpa sinya pa da kawasan
Simpang tidak bersinyal rural dengan faktor-faktor penjelasnya.
pada jaringan jalan rural di Model laka untuk simpang pertigaan tanpa sinyal: laka
Finlandia proporsional dengan volume kendaraan meliwati simpang
dalam lima tahun (juta kendaraan), Q, dan proporsi
kendaraan dari jalan kecil terhadap total kend araan
meliwati simpang, SIVO.
FK = k QSIVO
Esensi dari pendekatan EB adalah menggunakan dua clue di atas untuk perkiraan FK.
Kelompok-kelompok yang memiliki trait yang sama disebut sebagai populasi acuan
(reference population).

Terdapat dua metode hal untuk mengestimasikan FK dan variannya yang pada hakekatnya
mengidentikan suatu populasi perkiraan laka tertentu E{K}dengan populasi acuannya E{ } .
Kedua metode pada hakekatnya berupaya untuk menemukan persamaan di bawah ini:
E{K} = E{}
VAR{K} = E{}+ VAR{}
Metode pertama dengan menggunakan sampel dari populasi acuan yang memiliki sampel
besar, metode kedua dengan regresi multiplikatif karena populasi acuan memiliki sampel
7
 Simposium III FSTPT, ISBN no. 979-96241-0-X

terbatas. Metode pertama, juga disebut metode EB murni sedangkan metode kedua juga
disebut dengan metode kombinasi regresi dan EB. Metode pertama, jarang digunakan karena
pada umunya sangat jarang terdapat clue yang memiliki kesamaan trait yang begitu besar
jumlah sampelnya, sehingga pendekatan EB pada umumnya menggunakan metode kedua.

Estimasi EB pada umumnya konsider bahwa penyesuaian berdasarkan informasi kedua clue
di atas dan dinyatakan sebagai:
posterior (sesudah penanganan)  likelihood x prior (sebelum penanganan)
Prosedur penyesuaian berdasarkan asumsi sebagai berikut:
1. Laka terjadi mengikuti proses sebaran Poisson, dan
2. Rata-rata dari sebaran Poisson bervariasi dari satu entiti ke entiti lainnya mengikuti
sebaran Gamma.

Persamaan metode kedua dari EB menjadi:

Perubahan FK Efek Efek

sesudah dan perubahan Variasi
= sesungguhnya = = bias = Acak
sebelum dari penaganan dari eksternal
penanganan faktor

5. Diskusi

Dari ketiga pendekatan di atas dapat diusulkan pendekatan yang paling sesuai untuk S3KPL
sebagai berikut:

Untuk program penanganan sederhana dan bersifat jangka pendek, misalnya menggunakan
satu tahun data periode “sebelum” dan satu tahun data periode “sesudah” dimana kondisi ini
paling sesuai dengan keterbatasan data laka di Indonesia, maka metode pertama (komperasi
sederhana) dapat dikembangkan di Indonesia. Un tuk pendekatan kedua diperlukan suatu studi
model laka untuk berbagai kondisi jalan yang mana saat ini belum terdapat satu modelpun
dikembangkan di Indonesia sehingga saat ini masih bersifat teoritis. Sedangkan untuk
pendekatan ketiga, sekali lagi diperluk an pendekatan kedua mengingat basis dari penetapan
referensi acuan pada EB membutuhkan persamaan multiplikatif yang dikembangkan dari
metode kedua. Walaupun banyak hal positif dari pendekatan ketiga tetapi diperlukan riset
komprehensif agar dapat digunakan para praktisi. Hal ini disadari, bahwa tidak mungkin
S3KPL harus selalu diawali dengan pengembangan model terlebih dahulu dan hal ini juga
harus ditunjang oleh data yang mapan sebagai landasannya. Kemungkinan yang paling awal
di Indonesia adalah dikembang kan pendekatan model pada jalan tol terlebih dahulu
mengingat data laka jalan tol telah tersedia dan sifat dari lingkungan jalan pada hakekatnya
telah memiliki keseragaman. Hasil dari pengembangan metode model pada jalan tol dapat
dijadikan dasar untuk pen gembangan S3KPL yang menyeluruh untuk jaringan jalan di
Indonesia.

Berikut ini suatu contoh untuk menunjukan kesederhanaan pendekatan pertama:

Suatu jalan satu jalur dua arah dengan masing -masing arah memiliki dua
lajur sebelum dibangun separator beton d i tengahnya memiliki 40 laka
setahun akibat tabrakan depan -depan dan samping-samping dan sesudah

8
 Simposium III FSTPT, ISBN no. 979-96241-0-X

memiliki separator berkurang menjadi 25, maka berdasarkan metode

pertama dapat dinyatakan sebagai berikut:
Apabila setelah satu tahun periode “sesudah” tidak d ibangun separator,
maka laka lalulintas setidak -tidaknya sama dengan satu tahun periode
“sebelum” atau  =40 dan mengingat hanya terdapat satu tahun data,
maka VAR{}=40, Demikian pula  = 25 dan VAR{}=25, sehingga  =
 -  atau  = 40-25=15 laka dan *= (/)/[1+VAR{/2) atau *=
(25/40)/(1+40/40 2)= 0,61

Pendekatan kedua dilakukan untuk S3KPL bila pengembangan model laka telah berkembang
di Indonesia dengan memperhatikan aspek -aspek tertentu seperti lingkungan (urban dan
rural), hirarki jalan, ruas da n simpang serta faktor-faktor lainnya. Penyusunan manual S3KPL
tidak mustahil dilakukan seperti yang dilakukan pemerintah dengan mengembangkan manual
kapasitas jalan Indonesia.

Daftar Pustaka :

Baruya, A, D.J. Finch and P.A. Wells (1999). “A Speed -Accident Relationship for European Single -Carriageway
Roads”. Traffic Engineering & Control, Vol. 40, No. 3 , pp. 135-139. Prentice Hall.
Ben-Akiva, M, A. Ceder, L-H. Cheng and C.M. Liss (1999). “A Methodology for Estimating Traffic Safety
Improvements At Intersections”. Journal of Advanced Transportation, Vol. 33, No. 3 , pp. 273-293.
Dobson, A.J. (1990). An Introduction to Generalized Linear Models . Chapman & Hall/CRC, London.
Hauer, E (1995). “Exposure and Accident Rate” . Traffic Engineering and Control, Vol 36 , No. 3, pp 134-138.
Hauer, E (1998). Observational Before-After Studies in Road Safety , Pergamon Publishing
Kulmala, R. (1995). “Safety at Rural Three -and Four-Arm Junctions. Development and Application of Accident
Prediction Models”. VTT publications 233, VTT Finland.
Maher, M.J. and I. Summersgill (1996). “A Comprehensive Methodology for the Fitting of Predictive Accident
Models”. Accident analysis and prevention, Vol. 28, No. 3, pp 281-296. Elsevier Science Ltd.
McCullagh, P. and J. Nelder (1989). Generalized Linear Models (2 nd edition). Chapman and Hall, London.
Taylor, M, D. Lynam and A. Baruya (2000). “The Effect of Drivers’ Speed on the Frequency of Road
Accidents”. Transport Research Laboratory TRL Report 421 , Crowthorne.