Metodologi Analisis Sebelum Dan Sesudah
Metodologi Analisis Sebelum Dan Sesudah
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
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
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
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 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
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
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 ………………… eY
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 11 x X22 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 + ….
Tabel 3 menunjukan berbagai persamaan dari model -model prediksi laka dari berbagai
negara.
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
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.
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.
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
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.