8 4
15
27 3
8 7
24 2 2
Sedan Jeep
Pick UP Mini Bus
Bus Truk
Tangki Sepeda Motor
Sepeda Lain - lain
Gambar 4.8 Jumlah Kecelakaan Berdasarkan Tingkat Kesibukan
4.2.2 Jenis Kendaraan yang Terlibat
Jenis kendaraan yang terlibat sangat bervariasi, persentase terbesar adalah mini bus 93 atau 27 dan sepeda motor 82 atau 24. Selanjutnya jumlah
kendaraan yang terlibat dalam kecelakaan dapat di lihat pada Tabel 4.10 Tabel 4.10 Kendaraan Yang Terlibat Dalam Kecelakaan
NO. Jenis Kendaraan
Jumlah Total
2009 2010
2011 2009
2010 2011
1. Sedan
8 7
12 7
7 9
27 2.
Jeep 8
2 5
7 2
4 15
3. Pick UP
11 17
23 10
16 17
51 4.
Mini Bus 31
24 38
29 23
28 93
5. Bus
6 1
5 6
1 4
12 6.
Truk 8
10 9
7 10
7 27
7. Tangki
6 9
10 6
9 7
25 8.
Sepeda Motor 27
30 25
25 29
19 82
9. Sepeda
3 4
3 3
7 10.
Lain - lain 2
1 3
2 1
2 6
Jumlah 107
104 134
100 100
100 345
Sumber : Polresta Kabupaten Karo, 2009,2010,2011
Gambar 4.9 Kendaraan Yang Terlibat Dalam Kecelakaan Tahun 2009-2011
4.2.3 Tipe Kecelakaan yang Terjadi
Kecelakaan yang terjadi melibatkan beberapa kendaraan dengan berbagai tipe kecelakaan. Tipe kecelakaan yang terjadi dapat dilihat pada Tabel 4.11.
Tabel 4.11 Tipe Kecelakaan Yang Terjadi
Normal Tipe Kecelakaan
Jumlah 2009
2010 2011
A Kecelakaan Tunggal
A Kecelakaan Sendiri
1
3 6
A Menabrak Objek Tetap
2
A Menabrak Rintangan
3
5 1
3 A
Menabrak Pejalan Kaki
4
3 11
16
B Kecelakaan Ganda
B Tabrak Depan Belakang
1
8 7
6 B
Tabrak Depan Depan
2
3 2
4 B
Tabrak Depan Samping
3
8 5
8 B
Tabrak Samping Samping
4
1 C
Tabrak Beruntun 24
30 45
memiliki minimal 2 key point
Total 51
59 89
Sumber : Polresta Kabupaten Karo, 2009,2010,2011
Kecelakaan Sendiri
Menabrak Objek Tetap
Menabrak Rintangan
Menabrak Pejalan Kaki
Tabrak Depan
Belakang Tabrak
Depan Depan
Tabrak Depan
Samping Tabrak
Samping Samping
Tabrak Beruntun
memiliki minimal 2
key point
2009 2010
2011
Gambar 4.10 Tipe Kecelakaan yang Tejadi Pada Tahun dari 2009 – 2011
4.2.4 Faktor Penyebab Kecelakaan
Secara umum kecelakaan dapat dikatakan terjadi akibat kumulatif beberapa faktor seperti kecelakaan pengemudi, kondisi kendaraan, cuaca, kondisi jalan dan
sebagainya, namun yang tertinggi penyebab kecelakaan lalu lintas selama tahun 2009
0,0 10,0
20,0 30,0
40,0 50,0
60,0
pegemudi kendaraan jalan
lingkungan 49,0
15,7 13,7
21,6 50,8
35,6
1,7 11,9
59,3
16,3
3,5 20,9
2009 2010
2011
– 2011 masih didominasi oleh pengemudi dan faktor lingkungan penyeberangan jalan atau dapat dilihat pada Tabel 4.12.
Untuk mengetahui Untuk faktor penyebab kecelakaan yang paling dominan, maka dilakukan analisis Uji - t dengan menggunakan tingkat keterandalan
α = 5. Adapun teknik perhitungannya dapat dilihat pada Tabel 4.13. Tabel 4.12 Kecelakaan Lalu lintas Berdasarkan Faktor Penyebab Kecelakaan
No. Faktor Penyebab
Jumlah 2009
2010 2011
2009 2010
2011 1.
Pengemudi 25
30 51
49,0 50,8
59,3 2.
Kendaraan 8
21 14
15,7 35,6
16,3 3.
Jalan 7
1 3
13,7 1,7
3,5 4.
Lingkungan 11
7 18
21,6 11,9
20,9
Sumber : Polresta Kabupaten Karo, 2009, 2010, 2011
Gambar 4.11 Kecelakaan Lalu lintas Berdasarkan Faktor Penyebab Kecelakaan
Perhitungan Uji-t Faktor Penyebab kecelakaan pada tahun 2009 – 2011 sebagai berikut :
n = Jumlah Sampel tahun
X
A
X = Jumlah rata – rata persentase faktor pengemudi
B
X = Jumlah rata – rata persentase faktor kendaraan
C
X = Jumlah rata – rata persentase faktor jalan
D
= Jumlah rata – rata persentase faktor lingkungan
Tabel 4.13 Perhitungan Uji – t
PENGEMUDI X
A
χ χ
rata-rata
χ2 n
SD Keterangan
49 53,03
0,00163 3,0
µA = µB 50,8
0,00050 59,3
0,00393 159,1
0,00605 0,055
KENDARAAN X
B
15,7 22,53
0,00467 35,6
0,01707 3,0
16,3 0,00389
67,6 0,02563
0,113
JALAN X
C
13,7 6,30
0,00548 µA = µC
1,7 0,00212
3,0 3,5
0,00078 18,9
0,00838 0,065
LINGKUNGAN X
D
21,6 18,13
0,00120 µA = µD
11,9 0,00389
3,0 20,9
0,00077 54,4
0,00585 0,054
Dimana perhitungan χ =
n ∑χ
χ
Α
= 3
49,0 + 50,8 + 59,3 x 100 = 53,03 Jumlah rata – rata persentase faktor Pengemudi
χ
Β
= 3
15,7 + 35,6 + 16,3 x 100 = 25,53 Jumlah rata – rata persentase faktor Kendaraan
χ
C
= 3
13,7+ 1,7 + 3,5 x 100 = 6,30 Jumlah rata – rata persentase faktor Jalan
χ
D
= 3
21,6 + 11,9 + 20,9 x 100 = 18,13 Jumlah rata – rata persentase faktor Lingkungan
Mencari nilai
χ2 χ2 = [49,0100 − 53,03100]
2
+ [50,8100 − 53,03]
2
+ [59,3100 − 53,03100] = 0,00163+ 0,00050 + 0,00393
2
= 0,00605 faktor pengemudi χ2 = 0,02563 faktor Kendaraan
χ2 = 0,00838 faktor Jalan χ2 = 0,00585 faktor Lingkungan
Menghitung Nilai Deviasi Standar
SD = Deviasi Standar SD
A
SD = Deviasi Standar Faktor Pengemudi
B
= SD
Deviasi Standar Faktor Kendaraan
C
SD = Deviasi Standar Faktor Jalan
D
SD
P =
Deviasi Standar Gabungan = Deviasi Standar Faktor Lingkungan
SD = √ ∑ χ − χ
1
n – 1
2
SDA = √
3 - 1 0,00605
= 0,055 SD
B
= √
3 - 1 0,02563
SD
B
= 0,113
SD
C
= √
3 - 1 0,00838
SD
C
= 0,065 SD
D
= √
3 - 1 0,00585
= 0,054
Menghitung Nilai Deviasi Standar Gabungan
-
µA = µB
SDp = n -1 SD
A 2
+ n -1 SD
B 2
n
1
+ n
2
– 2 SDp = 3 -1 0,055
2
+ 3 -1 0,113
2
3 + 3 – 2 =
4 0,00605 + 0,0255
= 0,089
Maka nilai SDp Pengemudi – Kendaraan = 0,089 -
µA = µC
SDp = 0,0578
-
µA = µD
SDp = 0,055
Menghitung Nilai Uji –t :
t = X
1
– X SDp
2 1
n
1
+
1
n
2 12
t = 53,03 - 25,53 0,089
1 3
+
1 3
12
t = 0,275 0,072
t = 3,78
Df = n
1
+ n
2
- 2
= 3 + 3 - 2 = 4
Dari hasil perhitungan diperoleh harga t = 3,78 kemudian angka ini akan dibandingkan dengan angka pada Tabel Uji - t yang terdapat di lampiran D. Untuk
mengetahui apakah hasil yang didapat signifikan, maka dilakukan uji hipotesis sebagai berikut :
Ho : tidak terdapat perbedaan yang berarti antara jumlah angka kecelakaan pada grup kecelakaan pada suatu lokasi rawan dengan tipikal kecelakaan yang
sejenis pada ruas jalan. Hi : terdapat perbedaan yang berarti.
Apabila, t t
kritis
maka Ho ditolak, yang berarti H
i
dapat diterima, sebaliknya bila t t
kritis
Tabel 4.14 Hasil Uji-t Hipotesis Faktor Penyebab Kecelakaaan Tahun 2009 - 2011 maka Ho diterima. Uji Hipotesis antar faktor penyebab
kecelakaan dapat dilihat pada lampiran E, dan hasil uji antar faktor penyebab kecelakan hasil hipotesa yang telah terjadi maka diperoleh hasil uji antar faktor
penyebab kecelakaan, seperti pada Tabel 4.14
Hipotesis t
dicari
t
kritis
Hasil Ho
Ha µA = µB
µA µB 3,78
2,13 Tolak Ho
µA = µC µA µC
9,94 2,13
Tolak Ho µA = µD
µA µD 7,93
2,13 Tolak Ho
4. 3 Analisa Lokasi Rawan Kecelakaan black spot
Seperti yang telah dibahas pada bab sebelumnya, terdapat beberapa metode yang dapat digunakan untuk melakukan identifikasi terhadap lokasi rawan
kecelakaan. Pada penelitian ini akan digunakan 3 tiga metode yaitu : metode APW, Metode Frekuensi, dan Tingkat Kecelakaan accident rate.
4.3.1 Identifikasi Black Spot Berdasarkan Metode APW
Pada bab sebelumnya telah disebutkan bahwa terdapat suatu nilai yang menjadi batas kenormalan dari jumlah kecelakaan yang terjadi di ruas jalan. APW
accident point weightage ditentukan berdasarkan nilai yang mencerminkan biaya relative kecelakaan dengan berbagai tingkat keparahan, dimana tingkat keparahan
yang digunakan pada Tugas Akhir ini berdasarkan “Pedoman Operasi Accident Unit Penelitian Kecelakaan Lalu lintas ABIUUPK Tahun 2007” yang telah dijelaskan
pada Bab III. Contoh perhitungannya adalah sebuah lokasi mempunyai catatan kecelakaan yang
dilaporkan dengan 2 orang korban MD, 7 orang LB, 10 orang LR, dan 15 orang hanya kerusakan ringan dalam periode 3 tahun, maka APW adalah :
APW = 2 x 6 + 7 x 3 + 10 x 0,8 + 15 x 0,2 = 44 Pada Tabel 4.15 dapat dilihat bahwa tidak menjamin semakin besar jumlah terjadinya
kecelakaan maka semakin besar tingkat keparahan APW dari kecelakaan tersebut, seperti pada data kecelakaan tahun 2009 yang terjadi pada Jalan Ginting Km 58 tepatnya di
desa Tambak Lau Nulgap II. Pada daerah tersebut jumlah kecelakaan yang terjadi 10 kali dan angka
keparahannya APW adalah 77,2.
4.15 Tingkat Keparahan Kecelakaan Lalu lintas Tahun 2009-2011
No. Ruas
km
APW 2009 2010 2011
1. 54-55
72,2 73
73,4 2.
55-56 12,2
18,2 36,2
3. 56-57
7,8 13
38 4.
57-58 77,2
34,4 67,2
5. 58-59
12,2 18,2
33,4 6.
59-60 38
31,2 28,8
7. 60-61
18,2 89,6
36,4 8.
61-62 12
9. 62-63
12 12
24,8 10.
63-64 22,6
11. 64-65
68,8 31,2
37,2 12.
65-66 18,2
18,2 33,2
13. 66-67
41 2
2,8 14.
67-68 22,8
16 47,8
15. 68-69
12,4 21,4
27,4 16.
69-70 37,4
6,8 36,8
17. 70-71
12,4 12,4
53,2 18.
71-72 19.
72-73
Maka disimpulkan bahwa pada daerah yang banyak kejadian kecelakaan belum tentu korban yang ditimbulkan sama besarnya dibandingkan dengan daerah
rawan kecelakaan yang lainnya. Untuk mengetahui daerah rawan kecelakaan yang memilik tingkat keparahan lebih besar dari tingkat keparahan daerah rawan
kecelakaan sekitarnya, maka penulis memeringkatkan atau mengurutkan daerah tersebut menjadi 5 lima daerah yang indeks APW-nya lebih besar dari indeks APW
daerah lainnya.
Tabel 4.16. Urutan Terbesar Tingkat Keparahan Kecelakaan Lalu lintas Tahun 2009
No. Ruas km
Nama DesaLokasi APW
2009 1.
57 Desa Tambak Lau Nulgap I
77,2 2.
54 Desa Doulu
72,2 3.
64 Desa Ajijulu
68,8 4.
66 Desa Bukit
41 5.
59 Desa Ujung Sampun
38
Sumber : Polresta Kabupaten Karo, 2009
Tabel 4.17 Urutan Terbesar Tingkat Keparahan Kecelakaan Lalu lintas Tahun 2010 No.
Ruas km Nama DesaLokasi
APW 2010
1. 60
Desa Rumah Berastagi 89,6
2. 54
Desa Doulu 73,0
3. 57
Desa Tambak Lau Nulgap I 34,4
4. 64
Desa Ajijulu 31,4
5. 59
Desa Ujung Sampun 31,2
Sumber : Polresta Kabupaten Karo, 2010
Tabel 4.18 Urutan Terbesar Tingkat Keparahan Kecelakaan Lalu lintas Tahun 2011 No.
Ruas km Nama DesaLokasi
APW 2011
1. 54
Desa Doulu 73,4
2. 57
Desa Tambak Lau Nulgap I 67,2
3. 70
Desa Kaban 53,2
4. 67
Desa Ajibuhara 47,8
5. 64
Desa Ajijulu 37,2
Sumber : Polresta Kabupaten Karo, 2011
4.3.2 Identifikasi Black Spot Berdasarkan Metode Frekuensi