• Secara dasar, perkiraan jumlah kecelakaan lalu lintas didasari oleh variable bebas yang
mempengaruhinya baik untuk kondisi ‘sebelum’ dan ‘sesudah’ implementasi program.
Keuntungan metode ini memasukkan faktor-faktor internal dan eksternal (yang
dinyatakan oleh variable bebas) di dalam memperkirakan jumlah kecelakaan lalu lintas.
Kelemahan dari model ini tetap memungkinkan bias akibat dari efek RTR mengingat
metode ini bukan bersifat analisis treatment control karena tidak menggunakan lokasi
lain yang memiliki kemiripan dengan lokasi studi yang dapat dijadikan referensi.
• Teknik yang terbaik adalah menggunakan generalized linear models (GLM) mengingat
regresi pada umumnya mengikuti pula distribusi normal, sebaran kecelakaan lalu lintas
diyakini mengikuti distribusi Poisson (nilai rata-rata akan setara dengan varian) ataupun
negatif binomial (varian di atas nilai rata-rata). Hal ini mengingat kecelakaan lalu lintas
merupakan kejadian yang sangat jarang terjadi, bersifat acak dan tidak dapat bernilai
negatif.
3.1.6 Kombinasi Regresi dan Pendekatan Empirikal
Bayes (EB)
• Salah satu teknik observasi tingkat keselamatan lalu lintas ‘sebelum’ dan
‘sesudah’ implementasi program adalah dengan menggunakan metode
kombinasi regresi dan Empirikal Bayes (EB). Metode ini lebih unggul
dibandingkan dengan metode observasi sederhana karena dapat
memberikan jawaban pada dua masalah utama dalam analisis:
• 1. metode kombinasi regresi dan EB dapat meningkatkan presisi estimasi dengan
keterbatasan data yang ada; dan,
• 2. metode ini juga dapat mengkoreksikan phenomenon regresi terhadap nilai rata-rata
(RTR) atau regression-to-the mean.
• Metode ini didasari keyakinan bahwa data kecelakaan lalu lintas pada lokasi
yang dikaji bukan satu-satunya informasi untuk mengetahui tingkat
keselamatan sesuatu entitas yang sedang diamati.
3.4 RANGKUMAN