Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas Di Kota Bogor Dan Penskoran Tingkat Kerawanan Ruas Jalan

IDENTIFIKASI LOKASI RAWAN KECELAKAAN
LALU LINTAS DI KOTA BOGOR DAN PENSKORAN
TINGKAT KERAWANAN RUAS JALAN

YUNI RAFITA

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Identifikasi Lokasi Rawan
Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan Ruas
Jalan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, September 2016

Yuni Rafita
NRP G152140101

RINGKASAN
YUNI RAFITA. Identifikasi Lokasi Rawan Kecelakaan Lalu Lintas di Kota Bogor
dan Penskoran Tingkat Kerawanan Ruas Jalan. Dibimbing oleh BAGUS
SARTONO dan BUDI SUSETYO.
Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota
penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota
Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi
termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan
lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas
pemerintah Kota Bogor dalam sepuluh tahun terakhir.
Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu
lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang
menjadi lokasi rawan kecelakaan lalu lintas. Tujuan penelitian ini adalah
mengidentifikasi ruas jalan yang menjadi lokasi rawan kecelakaan lalu lintas di

Kota Bogor dan membangun penskoran kerawanan ruas jalan.
Penelitian ini merupakan penelitian terapan dengan menggunakan data
sekunder. Data yang digunakan diantaranya yaitu data kecelakaan lalu lintas Kota
Bogor tahun 2014 – 2015, serta data kondisi jalan dan volume lalu lintas. Data
utama kecelakaan lalu lintas diperoleh dari Polresta Bogor, sedangkan data kondisi
jalan dan volume lalu lintas diperoleh dari Dinas Lalu Lintas dan Angkutan Jalan
(DLLAJ) Kota Bogor. Analisis data pada penelitian ini menggunakan analisis
deskriptif, geographic information system (GIS), analisis regresi logistik biner, dan
penskoran karakteristik lokasi rawan.
Identifikasi lokasi rawan kecelakaan lalu lintas menggunakan statistik kendali
mutu sebagai dengan Upper Control Limit (UCL). Model penskoran ruas dibangun
menggunakan regresi logistik dari nilai weight of evidence (WOE) karakteristik ruas
jalan yang terdiri dari fungsi jalan, kelas jalan, jumlah lajur, dan bentuk geometri.
Hasil penelitian menunjukkan bahwa terdapat 37 segmen ruas jalan termasuk
kaetegori rawan dari 74 segmen ruas jalan yang teridentifikasi sebagai lokasi titik
kecelakaan lalu lintas di Kota Bogor. Berdasarkan scorecard karakteristik ruas jalan
yang diperoleh, atribut yang memliki skor tertinggi penyebab rawannya kecelakaan
lalu lintas pada ruas jalan Kota Bogor jalan dua arah dan bergeometri tikungan.
Kata Kunci : Kecelakaan Lalu Lintas, Lokasi Rawan, Kota Bogor, Penskoran,
WOE, Logistik Biner

SUMMARY

YUNI RAFITA. Identification of Traffic Accident Blackspot in Bogor City and
Scoring Model for Roads Segment. Supervised by BAGUS SARTONO and BUDI
SUSETYO.
The existence of Bogor City as buffer area of the Capital of Republic of
Indonesia coupled with enormous number of Bogor residence working in Jakarta
result in the emergence of various problems in transportation, including traffic
accidents. The transportation problem even ranks first among other problems
prioritized by the local government of Bogor for the last ten years.
One effort that can be applied to reduce the number of traffic accidents is to
identify and analyze the condition of roads considered to be the location of traffic
accident-prone. The purpose of this study was to identify roads considered as the
location of traffic accident black spot in Bogor City and to construct scoring model
of roads vulnerability.
This study is an applied research which mainly use secondary data of traffic
accidents, road conditions, and traffic volumes. The main data of traffic accidents
were supplied by the Police of Bogor while data on road conditions and traffic
volume were provided by the Bureau of Traffic and Road Transportation (DLLAJ)

of Bogor City. Data analysis in this research were applied using descriptive
analysis, geographic information system (GIS), binary logistic regression analysis
and scoring model of roads segment.
Identification of traffic accident blackspot was conducted by using the
statistical quality control as the control-chart UCL. The segment scoring model was
created through logistic regression with value of weight of evidence (WOE)
covered road characteristics consisted of road function, road class, number of lane,
and geometric shape. Result showed that there were 37 of 74 road segments
identified as location of traffic accident blackspot in Bogor City. Based on the
scorecard characteristics of roads obtained, attribute reached the highest score
which contributed to traffic accidents in Bogor City was the road section that has
two direction and bend roads.
Keywords: Traffic Accidents, Accident Blackspot, Bogor City, Scoring Model,
WOE, Binary Logistic

© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau
menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,

penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB

IDENTIFIKASI LOKASI RAWAN KECELAKAAN
LALU LINTAS DI KOTA BOGOR DAN PENSKORAN
TINGKAT KERAWANAN RUAS JALAN

YUNI RAFITA

Tesis
sebagai salah satu sarat memperoleh gelar
Magister Sains
pada
Program Studi Statistika Terapan

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR

2016

Penguji Luar Komisi pada Ujian Tesis: Dr. Kusman Sadik S.Si, M.Si

PRAKATA
Puji syukur kehadirat Allah SWT atas limpahan karunia-Nya, sehingga
akhirnya penulis dapat menyelesaikan tesis yang berjudul “Identifikasi Lokasi
Rawan Kecelakaan Lalu Lintas di Kota Bogor dan Penskoran Tingkat Kerawanan
Ruas Jalan” ini dengan baik.
Penulisan tesis ini dilakukan sebagai salah satu upaya untuk mengurangi
angka kecelakaan di Kota Bogor, selain itu juga sebagai persyaratan yang harus
dipenuhi dalam menyelesaikan jenjang Magister Sains di Prodi Statistika Terapan,
Sekolah Pasca Sarjana Insitut Pertanian Bogor.
Penulis menyadari bahwa penyusunan tesis imi tidak lepas dari dukungan dan
bantuan dari berbagai pihak, baik yang berupa saran, kritik, bimbingan maupun
bantuan lainnya. Pada kesempatan ini penulis menyampaikan ucapan terima kasih
kepada dosen pembimbing, Bapak Dr. Bagus Sartono, M.Si dan Bapak Dr. Ir. Budi
Susetyo, M.S. dan semua pihak yang telah membantu.
Penulis menyadari bahwa dalam tulisan ini masih banyak berbagai
kekurangan karena keterbatasan pengetahuan dan kemampuan. Kritik dan saran

yang bersifat membangun diharapkan demi kesempurnaan penulisan kedepan.

Bogor, September 2016
Penulis

DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN

xi
xi
xi

1 PENDAHULUAN
Latar Belakang
Tujuan Penelitian

1
1

2

2 TINJAUAN PUSTAKA
Kecelakaan Lalu Lintas
Lokasi Rawan Kecelakaan Lalu Lintas
Geographic Information System (GIS)
Sistem Koordinat dan Proyeksi dalam GIS
Penskoran Lokasi Rawan Kecelakaan Lalu Lintas
Regresi Logistik Biner

2
2
4
5
5
7
10

3 METODE PENELITIAN
Data

Metode Analisis Data

11
11
12

4 HASIL DAN PEMBAHASAN
Profil Kecelakaan Lalu Lintas di Kota Bogor
Lokasi Titik Kecelakaan Lalu Lintas
Kriteria Segmen Ruas Jalan
Penskoran Karakteristik Ruas Jalan

16
16
17
19
20

5 SIMPULAN DAN SARAN
Simpulan

Saran

26
26
26

DAFTAR PUSTAKA

27

RIWAYAT HIDUP

36

DAFTAR TABEL
Tabel 2.1 Ukuran Kualitas Penskoran
Tabel 3.1 Daftar Peubah Penelitian Menurut Sumber Data
Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada
Penskoran
Tabel 4.1 Ringkasan Kriteria Segmen Ruas Jalan

Tabel 4.2 Nilai WOE Karakteristik Jalan
Tabel 4.3 Nilai InfV Karakteristik Jalan
Tabel 4.4 Koefisien Model Regresi Logistik Biner Nilai WOE
Seluruh Peubah
Tabel 4.5 Korelasi Antar Peubah
Tabel 4.6 Koefisien Model Regresi Logistik Biner Tanpa WOE Median
Tabel 4.7 Statistik Uji G
Tabel 4.8 Penskoran Ruas Jalan
Tabel 4.9 Perhitungan Skor Jalan Raya Soleh Iskandar 10
Tabel 4.10 Tabulasi Silang Prediksi dan Kenyataan Segmen
Ruas Jalan Kota Bogor
Tabel 4.11 Ukuran Kualitas Model

9
12
14
19
21
21
22
22
23
23
24
25
25
25

DAFTAR GAMBAR
Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur
Gambar 2.2 Pembagian Zona UTM Indonesia
Gambar 3.1 Diagram Alir Penelitian
Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut
Karakteristik Jalan
Gambar 4.2 Peta Titik Kecelakaan Lalu Lintas
Gambar 4.3 Peta Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor

6
7
15
16
18
20

DAFTAR LAMPIRAN
1 Hasil Perhitungan Tingkat Kecelakaan
2 Kriteria Segmen Ruas Jalan

30
32

1

1 PENDAHULUAN
Latar Belakang
Kecelakaan lalu lintas telah menjadi penyebab kematian yang ke-8 di dunia
(WHO 2013), dan menjadi penyebab kematian ketiga di Indonesia (BPS 2015).
Korlantas POLRI mencatat sepanjang tahun 2014 terjadi 95,906 kejadian
kecelakaan lalu lintas di Indonesia dengan korban meninggal 28,297 jiwa. Jumlah
ini naik sebesar 7.12 persen dibandingkan tahun 2013 (BPS 2015). Kecelakaan lalu
lintas tidak hanya terbatas pada korban jiwa, namun juga berdampak luas pada
kestabilan ekonomi suatu negara. Kecelakaan lalu lintas menjadi salah satu faktor
penyebab melemahnya pertumbuhan ekonomi pada negara berkembang.
Kecelakaan lalu lintas merupakan salah satu permasalahan krusial di bidang
transportasi dan keselamatan jalan (Apparao dan Mallikarjunareddy 2013).
Keberadaan Kota Bogor sebagai sebuah kota yang tumbuh menjadi kota
penyangga Ibukota Negara Republik Indonesia dan banyaknya masyarakat Kota
Bogor yang bekerja di Jakarta, berakibat pada permasalahan di bidang transportasi
termasuk kecelakaan lalu lintas. Permasalahan transportasi termasuk kecelakaan
lalu lintas menduduki peringkat pertama permasalahan yang menjadi prioritas
pemerintah Kota Bogor dalam sepuluh tahun terakhir (Pemerintah Kota Bogor
2014).
Salah satu upaya yang dapat dilakukan untuk mengurangi kecelakaan lalu
lintas adalah dengan mengidentifikasi dan menganalisis kondisi ruas jalan yang
menjadi lokasi rawan kecelakaan lalu lintas. Isen et al. (2013) memberikan skema
prioritas yang digunakan untuk menetapkan bobot untuk berbagai faktor yang
cenderung mempengaruhi terjadinya kecelakaan. Penetapan bobot dengan
geographic information system (GIS) dilakukan pada parameter jalan yang
mempengaruhi kecelakaan lalu lintas diantaranya, banyaknya lajur, lebar jalan, tipe
jalan, tipe permukaan jalan, kondisi jalan, bahu jalan, obstruksi tepi dan ada
tidaknya median.
Penetapan bobot untuk suatu peubah pada statistika biasanya dikenal dengan
model penskoran. Prinsip utama dari penskoran adalah memberikan skor untuk
individu atau sesuatu yang diamati sesuai parameter yang melekat pada dirinya
untuk melihat kecenderungan kepada golongan tertentu. Model penskoran banyak
diaplikasikan di bidang perbankan, berupa credit scoring, untuk menilai calon
nasabah termasuk kategori peminjam “good” atau “bad” (Dilsha dan Kiruthika
2014). Model penskoran memberikan banyak manfaat, diantaranya mudah
dipahami dan diaplikasikan, sehingga dapat memberikan penilaian yang objektif
dan menetapkan keputusan yang tepat (Chye et al. 2006).
Penyusunan model penskoran ruas jalan dilakukan untuk mengamati kondisi
ruas jalan yang menjadi lokasi kecelakaan. Pemberian skor dilakukan sebagai
ukuran kecenderungan ruas jalan sebagai lokasi rawan kedecelakaan lalu lintas.
Proses penskoran diawali dengan melihat hubungan kondisi ruas jalan dengan
kategori lokasi kecelakaan. Analisis hubungan antara peubah penjelas, yaitu kondisi
ruas jalan dengan peubah respon merupakan kategori lokasi kecelakaan tidak dapat
menggunakan regresi linier biasa, karena akan terjadi beberapa pelanggaran asumsi
klasik yang dianut oleh regresi linier, yaitu galat yang tidak berdistribusi normal
dan ragam yang tidak homogen (Azen dan Walker 2011).

2

Ruas jalan yang menjadi lokasi kecelakaan lalu lintas dibedakan menjadi dua
kategori yaitu “rawan” dan “tidak rawan”. Suatu analisis yang melibatkan suatu
lokasi tentunya tidak terlepas dari posisi suatu benda dimuka bumi yang disebut
sebagai sistem koordinat. Sehingga agar suatu analisis lokasi dapat divisualisasikan
secara nyata, diperlukan suatu sistem yang disebut sebagai geographic information
system (GIS).
Beberapa peneliti berbagai negara telah melakukan analisis lokasi rawan
kecelakaan, di Vila Real Portugal oleh Farco (2011), metode yang diaplikasikan
yaitu berdasarkan metode yang dikembangkan negara-negara Eropa, berdasarkan
euclidean distance between points dan density function. Identifikasi lokasi rawan di
Kota Kornool dengan menggabungkan data jumlah kecelakaan dan tingkat luka
korban dilakukan oleh Kumar (2013). Sadeghi et al. (2013) melakukan analisis
lokasi rawan kecelakaan lalu lintas di Iran dengan terlebih dahulu melakukan
identifikasi dan urutan prioritas lokasi. Penelitian yang bertujuan untuk mencari
solusi lokasi rawan kecelakaan kecelakaan lalu lintas dengan menganalisis
karakteristik kecelakaan lalu lintas di lokasi rawan dilakukan oleh Nirmala (2015).
Penelitian tentang lokasi rawan kecelakaan lalu lintas telah banyak dilakukan,
namun pada umumnya kajian hanya dilakukan mengenai lokasi rawan kecelakaan
lalu lintas. Pada penelitian ini mengkombinasikan beberapa metode diantarana GIS,
regresi logistik biner, dan model penskoran untuk mengalisis lokasi rawan
kecelakaan Kota Bogor, yang kemudian dilanjutkan dengan menetapkan skor
sesuai karakteristik jalan. Hasil analisis lokasi rawan kecelakaan lalu lintas dan
penskoran ruas jalan pada penelitian ini diharapkan akan memberikan rekomendasi
terbaik kepada pihak berwenang dalam menentukan kebijakan yang tepat dalam
rangka mengurangi kecelakaan lalu lintas.
Tujuan Penelitian
Tujuan penelitian ini adalah mengidentifikasi lokasi rawan kecelakaan lalu
lintas Kota Bogor dan membangun model penskoran kerawanan berdasarkan
karakteristik ruas jalan.

2 TINJAUAN PUSTAKA
Kecelakaan Lalu Lintas
Kecelakaan Lalu Lintas adalah suatu peristiwa di jalan raya tidak diduga dan
tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang
mengakibatkan korban manusia dan/atau kerugian harta benda (UU RI No. 22 tahun
2009).
Kecelakaan lalu lintas dapat disebabkan oleh kelalaian pengguna jalan,
ketidaklayakan kendaraan, serta ketidaklayakan jalan dan/atau lingkungan (UU RI
No. 22 tahun 2009). Beberapa faktor terkait karakteristik jalan di antaranya
(IRSMS 2013) :
a. Fungsi Jalan
Menurut Undang- Undang No 38 Tahun 2004, terdapat empat fungsi jalan,
yaitu:

3

1.

2.

3.

4.

5.

Jalan Tol, adalah jalan yang akses publiknya terbatas, dimana para
pengguna kendaraan bermotor dikenakan biaya untuk mendapatkan akses
dan dapat menggunakan jalan. Jalan tol tidak terbuka untuk pengguna lalu
lintas secara umum, dan ada pembatasan pada jenis kendaraan bermotor
yang dapat mengaksesnya (kendaraan bermotor roda empat atau lebih).
Dalam kondisi ideal, kecepatan rata-rata tinggi.
Jalan Arteri, adalah jalan umum yang berfungsi melayani angkutan utama
dengan ciri perjalanan jarak jauh, kecepatan rata-rata tinggi, dan jumlah
jalan masuk dibatasi secara berdaya guna.
Jalan Kolektor, adalah jalan umum yang berfungsi melayani angkutan
pengumpul atau pembagi dengan ciri perjalanan jarak sedang, kecepatan
rata-rata sedang, dan jumlah jalan masuk dibatasi.
Jalan Lokal, adalah jalan umum yang berfungsi melayani angkutan
setempat dengan ciri perjalanan jarak dekat, kecepatan rata-rata rendah,
dan jumlah kendaraan masuk tidak dibatasi.
Jalan Lingkungan, adalah jalan umum yang berfungsi melayani angkutan
lingkungan dengan ciri perjalanan jarak dekat, dan kecepatan rata-rata
rendah.

b.

Kelas Jalan
Menurut UU RI No. 22 tahun 2009 terdapat tiga kelas jalan, yaitu :
1. Jalan Kelas I, merupakan jalan arteri dan kolektor yang dapat dilalui
kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5 meter, panjang
tidak lebih dari 18 meter, tinggi maksimal 4.2 meter, dan maksimum
muatan sumbu terberat 10 ton.
2. Jalan Kelas II, merupakan jalan arteri, kolektor, lokal dan lingkungan yang
dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.5
meter, panjang tidak lebih dari 12 meter, tinggi maksimal 4.2 meter, dan
maksimum muatan sumbu terberat 8 ton.
3. Jalan kelas III, merupakan jalan arteri, kolektor, lokal dan lingkungan yang
dapat dilalui kendaran bermotor dengan ukuran lebar tidak lebih dari 2.1
meter, panjang tidak lebih dari 9 meter, tinggi maksimal 3.5 meter, dan
maksimum muatan sumbu terberat 8 ton.

c.

Tipe Jalan
Merupakan konfigurasi lajur pada jalan dan keberadaan pembatas jalan yang
memisahkan arah pergerakan lalu lintas. Tipe jalan terbagi menjadi beberapa
bagian yaitu :
1. 2/2 TB, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan tidak
ada median pemisah
2. 2/2 B, yaitu jalan yang terdiri dari 2 lajur dengan 2 arah/jalur dan ada
median pemisah
3. 4/2 TB, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan tidak
ada median pemisah
4. 4/2 B, yaitu jalan yang terdiri dari 4 lajur dengan 2 arah/jalur dan ada
median pemisah
5. 6/2 TB, yaitu jalan yang terdiri dari 6 lajur dengan 2 arah/jalur dan tidak
ada median pemisah

4

6.
7.
8.

6/2 B, yaitu jalan yang terdiri dari 6 lajur dengan 2 arah/jalur dan ada
median pemisah
1/1, yaitu jalan yang terdiri dari 1 lajur dengan 1 arah/jalur
2/1, yaitu jalan yang terdiri dari 2 lajur dengan 1 arah/jalur

d. Bentuk Geometri Jalan
Bentuk geometri jalan lokasi kecelakaan terdiri dari beberapa kategori, yaitu
lurus dan tikungan.
e. Kondisi Permukaan Jalan
Kondisi permukaan jalan adalah kondisi pada permukaan jalan yang terlihat
dengan kasat mata dan mempunyai kontribusi sebagai penyebab kecelakaan
lalu lintas. Beberapa kondisi permukaan jalan, yaitu baik, berlubang,
berombak, keriting, basah, beralur, licin, berdebu, dan banjir.
f. Kemiringan Jalan
Menggambarkan gradien kemiringan jalan yang paling tepat di lokasi
kecelakaan, yaitu datar dan menanjak/menurun.
g. Pengaturan Simpang
Catatan ini akan menunjukkan apakah kecelakaan terjadi di persimpangan.
Pengaturan simpang terbagi dua kategori yaitu tidak dikendalikan dan
dikendalikan.
h. Batas Kecepatan
Merupakan batas kecepatan maksimum dalam km/jam yang dapat dilihat pada
rambu jalan yang ada di lokasi kecelakaan. Batas kecepatan (km/jam) yaitu 20,
30, 40, 50, 60, 80, 100, 120, dan tidak diketahui.

Lokasi Rawan Kecelakaan Lalu Lintas
Lokasi rawan kecelakaan adalah suatu lokasi dimana angka kecelakaan
tinggi dengan kejadian kecelakaan berulang dalam suatu ruang dan rentang waktu
yang relatif sama yang diakibatkan oleh suatu penyebab tertentu.
Departemen permukiman dan prasarana wilayah (2004) memberikan formula
untuk menentukan lokasi rawan kecelakaan, yaitu statistik kendali mutu dengan
terlebih dahulu menentukan tingkat kecelakaan.
Perhitungan tingkat kecelakaan untuk ruas jalan menggunakan rumus :

dengan,
Tk
Fk
LHRT
n
L
100JPKP

Tk =

F ×

8

LHRT × ×L ×

(1)

adalah tingkat kecelakaan (100 JPKP)
adalah frekuensi kecelakaan di ruas jalan selama n tahun data
adalah lalu lintas harian rata-rata n tahun data
adalah jumlah tahun data
adalah panjang ruas jalan (km)
adalah kecelakaan/ seratus juta perjalanan kendaraan per-km

5

Penentuan lokasi rawan kecelakaan selanjutnya menggunakan statistik
kendali mutu (Kowtanapanich dan Tanaboriboon, 2006) sebagai Upper Control
Limit (UCL).
λ

dengan,
UCL
λ
L

��� = λ + [ .9 √ ] − [
L

.

L

]

(2)

adalah garis kendali batas atas
adalah rata-rata tingkat kecelakaan dalam satuan kecelakaan
per km
adalah panjang ruas jalan (km)

Segmen ruas jalan dengan tingkat kecelakaan yang berada di atas garis UCL
akan didefinisikan sebagai lokasi rawan kecelakaan.
Geographic Information System
Identifikasi awal lokasi kecelakaan dan lokasi rawan kecelakaan berhubungan
erat dengan visualisasi posisi kecelakaan pada peta Kota Bogor. Visualisasi hasil
dengan pemetaan lokasi menggunakan GIS. GIS adalah suatu sistem informasi
yang digunakan untuk menyusun, menyimpan, merevisi serta menganalisa data dan
atribut yang bereferensi kepada lokasi atau posisi obyek-obyek di bumi.
Komponen-komponen data spasial meliputi posisi/lokasi geografis, data atribut,
hubungan spasial dan waktu (Booth dan Mitchell 2001).
GIS menyimpan semua informasi deskriptif unsur-unsurnya sebagai sebagai
atribut-atribut di dalam basis data yang kemudian membentuk dan menyimpannya
di dalam tabel (relasional). GIS menghubungkan unsur-unsur yang ada dengan
tabel yang bersangkutan, sehingga atribut-atribut dapat diakses melalui lokasi
unsur-unsur peta dan sebaliknya. Unsur-unsur peta dapat diakses melalui atributatributnya. GIS harus menggunakan peta digital sehingga terlebih dahulu dilakukan
georeferencing.
Georeferencing merupakan proses pemberian referensi geografi dari objek
berupa raster (hasil scan) atau image yang belum mempunyai acuan sistem
koordinat ke dalam sistem koordinat dan proyeksi tertentu. Proses ini diperlukan
ketika akan melakukan input data berupa data raster ke dalam GIS (Apparao dan
Malikarjunareddy 2013). Model data yang umum digunakan dalam GIS adalah
model data vektor yang merupakan model data yang paling banyak digunakan,
model ini berbasiskan pada titik dengan nilai koordinat (x|y) untuk membangun
obyek spasialnya. Obyek yang dibangun terbagi menjadi tiga bagian yaitu berupa
titik, garis, dan area (Bafdal et al. 2011).

Sistem Koordinat dan Proyeksi Peta dalam GIS
Sistem koordinat geografi merupakan gambaran posisi suatu titik di Bumi
berdasarkan garis lintang dan garis bujur. Garis bujur adalah horizontal yang
mengukur sudut antara suatu titik dengan titik nol di bumi yang disepakati secara
internasional yaitu Greenwich di London Britania Raya yaitu titik bujur 0° atau

6

360°. Titik di barat bujur 0° dinamakan Bujur Barat sedangkan titik di timur 0°
dinamakan Bujur Timur.

Sumber : Bafdal et al. (2011)
Gambar 2.1 Penentuan Koordinat Perpotongan Lintang dan Bujur
Terdapat dua notasi koordinat global yang umumnya digunakan, yaitu derajat
desimal dan derajat menit-detik. Pada saat tertentu diperlukan konversi dari satu
notasi ke notasi lain. Konversi dari derajat menit ke derajat desimal menggunakan
dengan formula sebagai berikut :
Jumlah detik = menit ×

Derajat Desimal = Derajat +

J

+ detik
a

(3)

Proyeksi peta merupakan teknik yang digunakan untuk menggambarkan
sebagian atau keseluruhan permukaan tiga dimensi berbentuk bola ke permukaan
datar dua dimensi. Salah satu sistem proyeksi yang umum digunakan adalah
universal transverse mercator (UTM). Seluruh permukaan bumi, dalam sistem
koordinat UTM dibagi menjadi 60 bagian yang disebut sebagai zona UTM. Setiap
zona ini dibatasi oleh dua meridian sebesar 6° dan memiliki meridian tengah. Kota
Bogor pada penelitian ini berada pada zona proyeksi 48S (Bafdal et al. 2011).

7

Sumber : Bafdal et al. (2011)
Gambar 2.2 Pembagian Zona UTM Indonesia

Penskoran Lokasi Rawan Kecelakaan Lalu Lintas
Penskoran pada umumnya diterapkan pada bidang perbankan, dikenal dengan
istilah credit scoring. Istilah ini merupakan suatu teknik yang digunakan oleh pihak
bank dalam memutuskan menerima atau menolak seorang calon nasabah
berdasarkan skor resiko kredit yang melekat pada calon nasabah tersebut (Samreen
dan Batul 2012).
Penskoran juga dapat diaplikasikan untuk memberikan skor pada karakteristik
ruas jalan terkait kategori lokasi kecelakaan lalu lintas. Dalam pemilihan peubah
model, terlebih dahulu dilakukan perhitungan weight of evidence (WOE) dan
information value (InfV). WOE merupakan ukuran kekuatan setiap atribut atau
atribut grup untuk membedakan dua kategori, misal untuk kategori lokasi
kecelakaan lalu lintas “rawan”” dan “tidak rawan”. Nilai WOE bersifat unik untuk
setiap atribut suatu peubah (Siddiqi 2012). Perhitungan WOE untuk atribut k
menggunakan formula pada persamaan (4).
WO� X = k = ln

� �= | ����
� �= | ��
����

(4)

Pada saat salah satu peubah yang diamati memiliki jumlah kategori “Rawan”
atau “Tidak Rawan” adalah nol, maka perhitungan WOE menggunakan persamaan
(5).
P X = k|Rawan =

Rawan +

NRawan

P X = k|Tidak Rawan =

.

Tidak Rawan +

N Tidak Rawan

(5)
.

8

dengan,
n Rawan dan n

Tidak Rawan

NRawan dan NTidak Rawan
0.5

= jumlah rawan/tidak rawan untuk masingmasing karakteristik ruas jalan
= jumlah rawan/tidak rawan dari kriteria
jalan
= angka default dari adjustment factor

Berdasarkan WOE yang diperoleh pada persamaan (5), selanjutnya digunakan
untuk menghitung InfV dengan formula pada persamaan (6).
InfV = ∑ = ( P X = k|Rawan − P X = k| Tidak Rawan

× WO�)

(6)

InfV adalah ukuran kekuatan pengaruh suatu peubah penjelas terhadap
kategori peubah respon. Nilai InfV kemudian digunakan sebagai ukuran dalam
pemilihan peubah untuk model penskoran dengan ketentuan sebagai berikut :
1. 0.3 artinya peubah berpengaruh kuat terhadap kategori lokasi
Penyusunan skor menggunakan nilai WOE peubah yang terpilih dengan
regresi logistik biner pada persamaan (7).
Skor= Offset + Factor ∗ ln (odds)

(7)

Offset adalah konstanta penyeimbang pada skor, dimana :
Offset = Skor − {�actor × ln Odds }

Sementara itu skor dikembangkan menggunakan odds pada suatu skor dan
ditetapkan sebagai “points to double the odds” (pdo). Besarnya factor dan offset
dapat dihitung dengan model simultan pada persamaan (8).
Skor + pdo = Offset + �actor × ln
pdo = �actor ∗ ln
pdo
�actor =
ln

× odds

(8)

Penyusunan skor menggunakan nilai WOE dengan regresi logistik biner
pada persamaan (9).
Skor = ln odds × factor + offset

(9)

9

,

= − ∑ (WO� ×

)+

× factor + offset

= − ∑ WO� ×

+

× factor + offset

,=
,

,

,=

= ∑ (− WO� ×

dengan,
WOE
β
α
n
k

,=

n

+

n

× factor +

offset
)
n

= nilai WOE untuk setiap kategori pada peubah
= Koefisien regresi untuk setiap karakteristik
= intercept dari model regresi logistik
= banyaknya karakteristik
= banyaknya kategori untuk setiap peubah

Ukuran Kebaikan Penskoran
Sebuah model penskoran digunakan untuk memprediksi kemungkinan suatu
individu atau objek termasuk pada kategori tertentu (rawan/tidak rawan), sehingga
diperlukan ukuran dalam menilai seberapa baik model yang diperoleh (Siddiqi
2012). Ukuran kebaikan hasil skor, dilihat berdasarkan nilai-nilai pada Tabel 2.1.
Tabel 2.1 Ukuran Kualitas Penskoran

Kenyataan

Rawan
Tidak Rawan

Prediksi
Rawan
Tidak Rawan
Positif Benar (a)
Negatif Salah (b)
Positif Salah (c)
Negatif Benar (d)

Model penskoran yang baik adalah model penskoran dengan nilai benar yang
besar dan nilai salah minimal. Terdapat empat ukuran utama yang digunakan, jika
terdapat sebanyak N data, maka perhitungan kualitas model yaitu:
1. Akurasi :
a+d
Akurasi =
N
2. Rataan Kesalahan :
c+ b
Rataan Kesalahan =
N
3. Sensitivitas :
a
Sensitivitas =
a+b
4. Spesifisitas :
d
Spesifisitas =
d+c

10

Regresi Logistik Biner
Pada saat peubah respon yang bersifat kategorik seperti penggolongan lokasi
rawan kecelakaan lalu lintas, maka analisis untuk melihat hubungan antara peubah
penjelas dan peubah respon adalah model logit, atau sering disebut sebagai regresi
logistik (Azen dan Walker 2011). Ketika peubah respon hanya memiliki dua
kategori, maka regresi logistik yang digunakan disebut sebagai regresi logistik biner
(Agresti 2002). Model regresi logistik diberikan oleh Azen dan Walker (2011)
persamaan (10)
Logit [P(Yi=1)] = � + β1 {X1i} + β2 {X2i} + . . . + βp {Xpi}

(10)

Unsur individu (i) persamaan (10) dapat disederhanakan, sehingga didapat
persamaan umum model regresi logistik pada persamaan (11).
Logit = ln

π

−π

= � + � X + � X + ⋯ + �� Xp = � + ��

(11)

dengan, β : vektor baris yang berisi seluruh koefisien regresi
X : vektor yang berisi seluruh peubah penjelas

Model regresi logistik dapat lansung diterapkan untuk memprediksi peluang
sukses (Yi =1) yang dinotasikan sebagai π , pada persamaan (12).

�=

xp

+ xp

+��

+��

(12)

Metode yang digunakan untuk mengestimasi parameter regresi logistik
adalah metode estimasi kemungkinan maksimum.
Pengujian Parameter Regresi Logistik
Pemeriksaan peranan peubah penjelas (X) dalam model, dilakukan melalui
pengujian terhadap parameter model (β). Pengujian secara serentak dilakukan
menggunakan uji G, sedangkan secara parsial menggunakan uji Wald.
a.

Statistik Uji G

Uji rasio kemungkinan diperoleh dengan cara membandingkan fungsi log
likehood dari seluruh peubah penjelas (model penuh) dengan fungsi log likehood
tanpa peubah penjelas (Agresti 2002). Uji G digunakan untuk menguji hipotesis :
H0 : β1 = β2 = … = βp = 0 (tidak ada peubah penjelas yang berpengaruh
terhadap peubah respon)
H1 : paling sedikit ada satu j dengan βj ≠0 j=1, 2,…, p (paling sedikit ada
satu peubah penjelas yang berpengaruh terhadap
peubah respon)
Jika maksimum likelihood model dengan peubah penjelas (model H1) adalah
L1 dan dan maksimum likelihood model tanpa peubah penjelas (model H0) adalah
L0 . Maka statistik uji likelihood ratio, G2, dirumuskan sebagai berikut (Azen dan
Walker 2011) :

11

� = − ln

�
�

= − [ln �

− ln � ]

(14)

Statistik G2 secara teoritis mengikuti sebaran χ dengan derajat bebas p.
Kriteria keputusan yang diambil yaitu menolak H0 bila G2 hitung > χ �; atau jika
p-value Zα/2 atau jika p-value χ ��; , dengan df=1.
Interpretasi Koefisien Model Regresi Logistik
Koefisien β pada model mengindikasikan perubahan π(x) meningkat atau
menurun saat pertambahan nilai x (Agresti 2002). Interpretasi parameter pada
regresi logistik dapat dijelaskan dengan terlebih dahulu mengeksponensialkan
koefisien β yaitu eβ yang disebut dengan istilah odds ratio. Pada peubah penjelas
kontinu diinterpretasikan sebagai setiap penambahan satu satuan X meningkatkan
nilai odds Y=1 sebanyak eβ kali. Pada peubah penjelas kategorik, nilai eβ
menunjukkan perbandingan odds kategori kofisien tersebut dibandingkan kategori
yang dijadikan referensi (Azen dan Walker 2011).

3 METODE PENELITIAN
Data
Penelitian ini merupakan penelitian terapan dengan menggunakan data
sekunder yang bersumber dari Polresta Bogor dan Dinas Lalu Lintas dan Angkutan
Jalan (DLLAJ) Kota Bogor. Data yang digunakan adalah data kecelakaan dan
kondisi jalan tahun 2014-2015. Analisis geographic information system (GIS) pada
penelitian ini menggunakan Peta Kota Bogor yang format shapefile yang bersumber

12

dari Badan Informasi Geospasial (BIG). Daftar peubah yang dipakai pada penelitian
ini disajikan pada Tabel 3.1.
Tabel 3.1. Daftar Peubah Penelitian Menurut Sumber Data
Sumber Data
Nama Peubah
Polresta Bogor
1. Titik Koordinat Kecelakaan Lalu Lintas
2. Kecelakaan Menurut Kelas Jalan
3. Kecelakaan Menurut Fungsi Jalan
4. Kecelakaan Menurut Tipe Jalan
5. Kecelakaan Menurut Bentuk Geometri
DLLAJ Kota Bogor

1. Volume Lalu Lintas Harian Menurut Ruas Jalan
2. Fungsi Jalan
3. Kelas Jalan
4. Jumlah Lajur Jalan
5. Keberadaan Median Jalan
6. Jumlah Arah Jalan
7. Bentuk Geometri Jalan

Metode Analisis Data
Analisis data pada penelitian ini menggunakan analisis deskriptif, geographic
information system (GIS), analisis regresi logistik biner, dan penskoran kerawanan
berdasarkan karakteristik jalan. Pengolahan dan analisis data menggunakan
bantuan software SAS dan ArcGIS. Berikut langkah-langkah analisis.
a. Analisis Deskriptif
Analisis deskriptif dilakukan untuk melihat gambaran umum profil
kecelakaan lalu lintas di Kota Bogor dengan eksplorasi data peubah respon
dan data peubah-peubah penjelas.
b. Georeferencing
Georeferencing dilakukan menyesuaikan sistem proyeksi pada peta, agar
dapat digunakan untuk identifikasi lokasi kecelakaan dan analisis
selanjutnya. Proyeksi UTM Kota bogor adalah di zona 48S.
c.

Identifikasi Lokasi Kecelakaan Pada Peta
Pada tahap ini dilakukan identifikasi lokasi kecelakaan dengan memasukkan
data titik koordinat masing-masing lokasi kejadian ke dalam peta Kota
Bogor. Identifikasi dan pengolahan data terkait peta menggunakakan
ArcGIS 9.3. Data koordinat yang dapat diproses dalam ArcGIS secara
spasial hanyalah berupa notasi koordinat derajat desimal, sedangkan data
yang diperoleh dari Polresta memiliki format derajat menit detik. Sehingga
terlebih dahulu dilakukan konversi data koordinat. Konversi dari derajat
menit ke derajat desimal menggunakan dengan formula pada persamaan (3).
Data titik koordinat lokasi kejadian kecelakaan yang telah dikonversi
kemudian di impor pada peta Kota Bogor dengan menggunakan software

13

ArcGIS untuk menggambarkan lokasi kejadian kecelakaan yang
sesungguhnya, dan mengidentifikasi ruas jalan yang menjadi tempat
kejadian kecelakaan lalu lintas.
d. Pembagian segmen ruas jalan
Penomoran ruas jalan dilakukan dengan membagi ruas jalan menjadi
segmen-segmen pada jalan yang teridentifikasi sebagai ruas jalan tempat
kejadian kecelakaan lalu lintas pada peta Kota Bogor. Setiap segmen ruas
jalan mempunyai panjang 1 km. Masing-masing segmen kemudian
diberikan nama jalan beserta nomor segmen untuk mempermudah dalam
perhitungan frekuensi kecelakaan pada masing-masing segmen.
e.

Perhitungan Frekuensi Kecelakaan Segmen Ruas Jalan
Frekuensi kecelakaan lalu lintas untuk setiap segmen ruas jalan, dilakukan
dengan menghitung jumlah kecelakaan yang terjadi pada setiap segmen ruas
jalan lokasi terjadinya kecelakaan lalu lintas.

f.

Perhitungan Tingkat Kecelakaan Segmen Ruas Jalan
Data Volume lalu lintas ruas jalan yang didapatkan dari DLLAJ Kota Bogor
adalah data volume lalu lintas harian dengan satuan smp/jam. Perhitungan
tingkat kecelakaan menggunakan rumus pada persamaan (1). Volume lalu
lintas yang digunakan merupakan volume rata-rata tahunan dengan satuan
smp/hari. Sehingga sebelum dilakukan perhitungan tingkat kecelakaan data
volume lalu lintas terlebih dahulu ditransformasi dengan langkah sebagai
berikut:
1. Volume lalu lintas per hari = volume lalu lintas per jam × 24 jam
2. Volume lalu lintas hari kerja per tahun (LHRkerja) = volume lalu
lintas per hari × banyaknya hari kerja per tahun
3. Volume lalu lintas hari libur per tahun (LHRlibur) = volume lalu
lintas per hari × banyaknya hari libur per tahun
4. Volume lalu lintas rata-rata per tahun (LHRT satuan smp/hari)
LHRT =

LHRkerja + LHRlibur

g.

Penentuan Lokasi Rawan Kecelakaan Lalu Lintas
Penentuan lokasi rawan kecelakaan menggunakan statistik kendali mutu
menggunakan rumus pada persamaan (2).

h.

Pemetaaan Lokasi Rawan Kecelakaan Lalu Lintas Kota Bogor
Pemetaan lokasi rawan kecelakaan untuk menyajikan hasil analisis lokasi
rawan kecelakaan. Pemetaan segmen ruas jalan yang menjadi lokasi
terjadinya kecelakaan lalu lintas.

i.

Penskoran Karakteristik Lokasi Kecelakaan Lalu Lintas
Pada bagian ini dilakukan penskoran karakteristik ruas jalan yang menjadi
lokasi kecelakaan lalu lintas. Penskoran dilakukan untuk mengukur
pengaruh peubah penjelas terhadap peubah respon. Perubah respon adalah

14

kategori ruas jalan kecelakaan lalu lintas yang terdiri dari “rawan” dan
“tidak rawan”. Daftar peubah penjelas ditunjukkan pada Tabel 3.2.
Tabel 3.2 Kategori dari Peubah Penjelas (Karakteristik Jalan) pada Penskoran
Nama Peubah
Fungsi Jalan

Kelas Jalan

Jumlah Lajur

Median
Jumlah Arah
Bentuk Geometri

Kategori
Arteri
Kolektor
Lokal
I
II
III
Satu
Dua
Empat
Ada
Tidak
Dua
Satu
Lurus
Tikungan

Proses penyusunnan skor dengan membuat program, dilakukan dengan
beberapa tahap:
1. Menghitung nilai WOE masing-masing kategori pada setiap peubah
penjelas
2. Menghitung nilai Inf setiap peubah penjelas, dan seleksi peubah
penjelas
3. Penentuan bobot WOE setiap peubah penjelas menggunakan analisis
regresi logistik biner
4. Penyusunan skor, dengan menggunakan persamaan (7), (8), dan (9).
“points to double the odds” (pdo) adalah 2, ditetapkan oods 25:1 pada
50 point.
=1.39
�actor =

} = 45.54
Offset =
− { . 9 × ln
5. Mencari total skor seluruh segmen ruas jalan, dan menetapkan prediksi
kategori lokasi (rawan/tidak rawan) dengan kriteria :
Jika total skor ≥ median, maka segmen ruas jalan dikategorikan sebagai
lokasi rawan. Sebaliknya, jika total skor < median, maka
dikategorikan lokasi tidak rawan.
5. Pengujian kualitas model, menggunakan akurasi,sensitivitas, dan
spesifisitas.

15

Tahapan penelitian secara ringkas disajikan pada diagram alir penelitian Gambar
3.1.
Mulai
Eksplorasi Data

Diagram lingkaran
kecelakaan lalu lintas

Analisis Deskriptif karakteristik jalan (fungsi Jalan,
kelas jalan, tipe jalan, dan geometri).

Peta titik Kecelakaan
lalu lintas Kota Bogor

Identifikasi Titik Kecelakaan Lalu Lintas
Geographic Information System (GIS), yaitu
Georeferencing, konversi koordinat, dan
Input koordinat pada peta Kota Bogor

Identifikasi Lokasi Rawan
Kecelakaan Lalu Lintas

Peta lokasi rawan
kecelakaan lalu lintas Kota
Bogor

1. GIS, berupa pembagian segmen jalan dan
Perhitungan frekuensi kecelakaan persegmen.
2. Perhitungan tingkat kecelakaan lalu lintas
3. Perhitungan Statistik Kendali UCL
4. GIS, pemetaan lokasi rawan kecelakaan lalu lintas

Penskoran Karakteristik Lokasi
Rawan Kecelakaan Lalu Lintas
1.
2.
3.
4.

Skor Karateristik Jalan

Menghitung nilai WOE
Menghitung nilai InfV
Penentuan bobot WOE dengan analisis regresi logistik biner
Penyusunan model penskoran

Kesimpulan dan Saran

Gambar 3.1 Diagram Alir Penelitian

16

4 HASIL DAN PEMBAHASAN
Profil Kecelakaan Lalu Lintas di Kota Bogor
Berdasarkan data yang diperoleh dari Polresta Bogor, terdapat 232
kecelakaan lalu lintas di Kota Bogor sepanjang tahun 2014 – 2015. Kecelakaan lalu
lintas tersebut tersebar di berbagai lokasi ruas jalan Kota Bogor. Karakteristik ruas
jalan lokasi kecelakaan lalu lintas yang dapat diamati di antaranya fungsi jalan,
kelas jalan, tipe jalan, dan bentuk geometri jalan. Profil kecelakaan lalu lintas Kota
Bogor berdasarkan karakteristik jalan dapat dilihat pada Gambar 4.1.

Gambar 4.1 Persentase Kejadian Kecelakaan di Kota Bogor Menurut
Karakteristik Jalan
Pada penelitian ini menurut fungsinya, jalan di Kota Bogor dibedakan
menjadi tiga kategori, yaitu jalan arteri (jalan umum yang berfungsi melayani
angkutan utama dengan jarak tempuh jauh), jalan kolektor (jalan umum yang
berfungsi melayani angkutan pengumpul atau pembagi dengan ciri perjalanan jarak
sedang), dan jalan lokal (jalan umum yang berfungsi melayani angkutan setempat
dengan ciri perjalanan jarak dekat).

17

Berdasarkan diagram lingkaran 4.1a, dapat dilihat bahwa di Kota Bogor,
persentase kecelakaan lalu lintas terjadi pada jalan yang berfungsi sebagai arteri
yaitu sebesar 56% dan jalan kolektor sebesar 33%, sedangkan jalan lokal 11%. Hal
ini terjadi karena jalan arteri merupakan jalan utama yang dilalui oleh lebih banyak
kendaraan dengan jarak tempuh yang jauh, dan kecepatan rata-rata tinggi, sehingga
seringkali pengemudi lalai akan peraturan yang akan memicu terjadinya kecelakaan
lalu lintas.
Menurut kelas, jalan dibedakan menjadi tiga golongan yaitu kelas I (untuk
beban > 10 ton), kelas II (untuk beban � tabel(0.05;4) (9.4877) dan p-value (0.0001) < α (0.05), maka H0 ditolak.
Artinya, terdapat pengaruh WOE Fungsi Jalan (X1), WOE Kelas Jalan (X2),
WOE Jumlah Arah (X3), dan WOE Bentuk Geometri (X4) secara bersama-sama
terhadap kategori lokasi kecelakaan lalu lintas di Kota Bogor.
b. Statistik Uji Wald
Uji Wald digunakan untuk menguji parameter βj secara parsial. Menggunakan
hasil statistik Wald (Tabel 4.6) dapat dilakukan uji pengaruh masing-masing
peubah penjelas terhadap kategori lokasi kecelakaan lalu lintas di Kota bogor.
Nilai P-Value seluruh peubah lebih kecil dari 0.05 (α), sehingga dapat
disimpulkan seluruh peubah telah yang terbukti mempunyai pengaruh secara
parsial terhadap kategori lokasi kecela