Analisa Faktor Yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas Di Kabupaten Deli Serdang Tahun 2013

ANALISA FAKTOR YANG MEMPENGARUHI TINGKAT

KECELAKAAN LALU LINTAS DI KABUPATEN

DELI SERDANG TAHUN 2013

TUGAS AKHIR

MUHAMMAD JONI

112407016

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

ANALISA FAKTOR YANG MEMPENGARUHI TINGKAT

KECELAKAAN LALU LINTAS DI KABUPATEN

DELI SERDANG TAHUN 2013

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

MUHAMMAD JONI

112407016

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : Analisa Faktor Yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas Di Kabupaten

Deli Serdang Tahun 2013

Kategori : Tugas Akhir

Nama : Muhammad Joni

Nomor Induk Mahasiswa : 112407016 Program Studi : D3 Statistika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing

Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Gim Tarigan, M.Si NIP. 19531218 198003 1 003 NIP. 19550202 198601 1 001

PERNYATAAN

ANALISA FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAAN LALU LINTAS DI KABUPATEN

DELI SERDANG TAHUN 2013

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2014

MUHAMMAD JONI 112407016

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpahan karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Analisa Faktor yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas di Kabupaten Deli Serdang Tahun 2013.

Terima kasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada Bapak Drs. Faigiziduhu Bu’ulӧlӧ, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tercinta Sutrisno dan Ibu tercinta Dra. Halimah dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

Daftar Lampiran viii

BAB 1. Pendahuluan 1

1.1. Latar Belakang 1

1.2. Identifikasi Masalah 3

1.3. Ruang Lingkup Permasalahan 3 1.4. Maksud dan Tujuan Penelitian 3

1.5. Manfaat Penilitian 4

1.6. Tinjauan Pustaka 5

1.7. Metode Penelitian 5

1.8. Lokasi Penelitian 7

1.9. Sistematika Penulisan 7

BAB 2. Landasan Teori 9

2.1. Pengertian Regresi 9

2.2. Analisis Regresi Linier 10

2.2.1. Analisis Regresi Linier Sederhana 12 2.2.2. Analisis Regresi Linier Berganda 13

2.3. Uji Keberartian Regresi 15

2.4. Pengujian Hipotesis 16

2.5. Koefisien Determinasi 17

2.6. Uji Korelasi 18

2.6.1. Koefisien Korelasi 19

BAB 3. Gambaran Umum 23

3.1. Pengertian Jalan 23

3.2. Klasifikasi Kendaraan 24

3.3. Kecelakaan Lalu Lintas di Jalan Raya 24 3.4. Jenis dan Bentuk Kecelakaan 25 3.5. Faktor Penyebab Kecelakaan Lalu Lintas 27 3.6. Kewajiban yang harus ditaati oleh Pengemudi

Kendaraan Bermotor 28

BAB 4. Analisis Data 30

4.1. Data yang Diperoleh 30

4.2. Persamaan Regresi Linier Berganda 32

4.3. Uji Keberartian Regresi 35

4.4. Koefisien Determinasi 39

4.5. Koefisien Korelasi 40

4.5.1. Perhitungan Korelasi Antara Variabel independen

dan Variabel dependen 40

4.5.2. Perhitungan Korelasi Antara Varibel independen 42 4.6. Uji Koefisien Regresi Linier Berganda 44

BAB 5. Implementasi Sistem 50

5.1. Pengertian Implementasi Sistem 50 5.2. Peranan Komputer Dalam Statistika 51 5.3. Pengolahan Data dengan SPSS 52 5.4. Pengolahan Data dengan Persamaan Regresi 55 5.5. Pengolahan Data dengan Persamaan Korelasi 59

BAB 6. Kesimpulan dan Saran 62

6.1. Kesimpulan 62

6.2. Saran 64

Daftar Pustaka 66

DAFTAR TABEL

Nomor Judul Halaman

Tabel

4.1. Jumlah Kecelakaan Berdasarkan Faktor Kecelakaan 31 Lalu Lintas di Kabupaten Deli Serdang Tahun 2013

4.2. Nilai-nilai yang diperlukan untuk Membentuk Koefisien 32 Persamaan Regresi Linier Berganda

4.3. Nilai-nilai yang diperlukan untk Uji Keberartian Regresi 36 4.4. Nilai-nilai yang diperlukan untk Uji Koefisien Regresi 45

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

5.1. Print Screen Pengaktifan SPSS pada Windows 52 5.2. Tampilan Jendela Variabel View dalam SPSS 53 5.3. Tampilan Pemasukan Data Variabel 55 5.4. Tampilan Analyze, Regression, Linier 56 5.5. Tampilan Kotak Dialog Linier Regression 56 5.6. Tampilan Kotak Dialog Regresi Linier: Statistika 57 5.7. Tampilan Kotak Dialog Regresi Linier: Plots 58 5.8. Tampilan Kotak Dialog Regresi Linier: Options 59 5.9. Tampilan Analyze, Correlate, Bivariate 60 5.10. Tampilan Kotak Dialog Bivariate Correlation 61

DAFTAR LAMPIRAN

Nomor Judul Halaman

Lamp

1. Hasil Perhitungan Dari Program SPSS 2. Surat Permohonan Penelitian Tugas Akhir 3. Surat Riset Pengumpulan Data

4. Kartu Bimbingan Tugas Akhir Mahasiswa

5. Surat Keterangan Hasil Uji Program Tugas Akhir 6. Data Sumber Pengolahan

BAB 1

PENDAHULUAN

1.1Latar Belakang

Kabupaten Deli Serdang adalah sebuah kabupaten di provinsi Sumatera Utara, Indonesia. Sekitar tahu kurang 30 kilometer dari salah satu daerah dari 25 yang terdapat di Kabupaten Deli Serdang merupakan akses darat yang menghubungkannya dengan Kabupaten/Kota lain di Sumatera Utara.

Karena sebagai jalan lintas banyak kendaraan bermotor yang beroperasi setiap harinya, baik itu roda dua atau roda empat. Sementara ruang gerak bagi kendaraan tersebut semakin berkurang. Dengan kata lain peningkatan sarana transportasi tidak seimbang dengan ketersediaan prasarananya. Disamping itu, kurang disiplinnya pengemudi kendaraan bermotor di jalan, akhirnya menimbulkan persoalan lalu lintas yang berhubungan dengan keselamatan yaitu kecelakaan lalu lintas.

Kecelakaan lalu lintas merupakan salah satu penyebab utama kematian terbesar yang dipengaruhi oleh beberapa faktor seperti jumlah pelanggaran rambu-rambu lalu lintas yang dilakukan oleh pengemudi, jumlah kendaraan, dan kondisi jalan. Seberapa besar faktor-faktor tersebut merupakan permasalahan yang harus diketahui oleh petugas lalu lintas dan Pemerintah Kabupaten Deli Serdang untuk dapat mengambil tindakan dan keputusan dalam rangka mengurangi tingkat kecelakaan lalu lintas.

Pengaruh dari faktor-faktor inilah yang akan dianalisa dan juga hubungan fungsionalnya terhadap tingkat kecelakaan lalu lintas. Bentuk penduga yang digunakan dalam penulisan ini adalah Persamaan regresi linier berganda antara jumlah kecelakaan lalu lintas terhadap faktor-faktor yang mempengaruhinya.

Berdasarkan uraian diatas, penulis tertarik untuk melakukan suatu penelitian untuk menganalisa faktor yang mempengaruhi kecelakaan lalu lintas. Maka penulis memilih judul Tugas Akhir ini, “ANALISA FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAAN LALU LINTAS DI KABUPATEN DELI SERDANG TAHUN 2013”.

1.2Identifikasi Masalah

Kecelakaan lalu lintas yang terjadi di kabupaten Deli Serdang mengalami peningkatan setiap tahunnya, terutama di jalan lintas yang menghubungkan kota Medan, kabupaten Deli Serdang dan Kabupaten Serdang Bedagai. Hal ini tentunya tidak terlepas dari faktor-faktor yang mempengaruhi hal tersebut. Yang menjadi permasalahan dalam tulisan ini adalah menentukan faktor apa yang paling berpengaruh, dan menetukan seberapa besar faktor tersebut berpengaruh terhadap tingkat kecelakaan lalu lintas di Kabupaten Deli Serdang.

1.3Ruang Lingkup Permasalahan

Untuk mengarahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju maka perlu dibuat pembatasan ruang lingkup permasalahan yaitu menganalisa faktor apa sajakah yang mempengaruhi dan yang paling berpengaruh terhadap tingkat kecelakaan lalu lintas di Kabupaten Deli Serdang.

1.4Maksud dan Tujuan Penelitian

Maksud dari penelitian ini adalah untuk mengaplikasikan ilmu pengetahuan Statistika yang telah dipelajari selama perkuliahan.

Adapun tujuan dilakukan penelitian ini adalah untuk:

1. Untuk mengetahui faktor yang sangat berpengaruh terhadap tingginya tingkat kecelakaan lalu lintas di kabupaten Deliserdang.

2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi kecelakaan lalu lintas.

3. Untuk menentukan peersamaan linier berganda dari faktor penduga terjadinya kecelakaan lalu lintas.

1.5Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:

1. Sebagai bahan pertimbangan bagi pemerintah kabupaten Deli Serdang dalam perencanaan pembangunan jalan untuk Gerakan Deli Serdang Membangun.

2. Sebagai informasi tentang faktor-faktor yang mempengaruhi tingkat kecelakaan lalu lintas di kabupaten Deli Serdang.

3. Sedangkan bagi penulis penelitian ini merupakan penerapan ilmu yang telah didapat selama ini dalam perkuliahan.

1.6Tinjauan Pustaka

Ada beberapa defenisi regresi yang dapat dijabarkan yaitu:

1. Persamaan regresi adalah persamaan matematika yang memungkinkan untuk meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih peubah bebas.

(Ronald E Walpole : 340)

2. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel.

(Sudjana, 2002 : 310)

3. Persamaan regresi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan variabel yang nilainya belum diketahui.

(Algifari, 2000 : 2)

1.7Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian adalah sebagai berikut:

1. Metode Penelitian Kepustakaan

Metode Penelitian Kepustakaan (Study Literature) yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, dengan membaca buku-buku, referensi, bahan-bahan

yang bersifat teoritis, serta sumber lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian ini, penulis melakukan dengan menggunakan data sekunder. Data sekunder adalah data primer yang diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram.

Data sekunder diperoleh dari Kantor Kepolisian Daerah Sumatera Utara Direktorat Lalu Lintas.

3. Metode Pengolahan Data

Data dianalisa menggunakan metode regresi linear berganda untuk melihat persamaan regresi liniernya dan untuk mengetahui hubungan setiap variabel digunakan analisis kerelasi. Langkah-langkah yang dilakukan dalam pengolahan data adalah:

1. Megelompokkan data menjadi variabel bebas (X) dan variabel terikat (Y).

2. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2,

X3, . . . , Xk

3. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel terikat Y

4. Uji korelasi untuk mengetahui seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.

5. Uji koefisien-koefisien regresi untuk menguji taraf nyata koefisien-koefisien regresi yang didapat.

1.8Lokasi Penelitian

Penelitian ataupun pengumpulan data mengenai faktor yang mempengaruhi tingkat kecelakaan lalu lintas serta data mengenai tingkat kecelakaan lalu lintas itu sendiri dilaksanakan di Kepolisian Negara Republik Indonesia Daerah Sumatera Utara Direktorat Lalu Lintas Jl. Putri Hijau No.14 Medan.

1.9Sistematika Penulisan

Adapun sistematika penulisan yang diuraikan penulis antara lain:

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang latar belakang, indentifikasi masalah, ruang lingkup permasalahan, maksud dan tujuan penelitian, manfaat penelitian, lokasi penilitian dan sistematika penelitian.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi linier berganda, uji regresi linier, uji korelasi, dan uji koefisien untuk regresi linier berganda.

BAB 3 : GAMBARAN UMUM

Bab ini menjelaskan atau menceritakan tentang pendefenisian kecelakaan lalu lintas.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan proses pengolahan data pada regresi linier berganda, anlisis korelasi, dan koefisien kecelakaan lalu lintas.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan proses pengolahan data dengan program yang akan digunakan yaitu SPSS mulai data input hingga data hasil outputnya yang membantu dalam menyelesaikan permasalahan dalam penulisan.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini terdiri atas kesimpulan dan hasil analisa yang telah dilakukan serta saran berdasarkan kesimpulan yang diperoleh yang tentunya bermanfaat bagi pembaca dan pihak yang membutuhkannya.

BAB 2

LANDASAN TEORI

2.1Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh seorang ahli yang bernama Francis Galton dalam makalah berjudul Regression Towered Mediacraty in Hereditary

Statue. Beliau memperkenalkan model peramalan, penaksiran, atau pendugaan,

dengan penilitiannya terhadap tinggi badan manusia. Galton melakukan suatu penelitian dimana penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (Regressed) pendek cenderung lebih tinggi dari ayahnya, jadi seolah-olah semua anak laki-laki yang tinggi dan anak laki-laki yang pendek bergerak menuju kerata-rata tinggi dari seluruh anak laki-laki. Dari uraian tersebut dapat disimpulkan bahwa pada umumnya tinggi anak mengikuti tinggi orang tuanya.

Regresi pada mulanya bertujuan untuk membuat perkiraan niai suatu variabel (tinggi badan anak) terhadap variabel yang lain (tinggi badan orang tua). Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut. Jadi analisis regresi berkenaan dengan studi ketergantungan antara satu variabel yang disebut dengan

variabel tidak bebas (dependent variable) pada satu atau lebih variabel bebas

(independent variable) yang menerangkan. Dengan tujuan untuk memperkirakan

atau meramalkan nilai rata-rata dari variabel tidak bebas apabila variabel yang menerangkan sudah diketahui.

2.2Analisis Regresi Linier

Analisis regresi linier merupakan suatu model matematis yang dapat digunakan dalam pola persamaan yang menyatakan hubungan fungsional antara dua variabel atau lebih. Analisis regresi linier dapat digunakan untuk dua hal yaitu:

1. Untuk memperoleh suatu persamaan hubungan antara dua variabel persamaan garis yang dapat disebut persamaan regresi yang dapat berbentuk linier atau nonlinier.

2. Meramalkan atau menduga nillai dari suatu variabel dalam hubungannya dengan variabel lain yang diketahui melalui persamaan garis regresinya.

Analisis regresi terdiri dari dua bentuk, yaitu:

1. Analisis Regresi Linier Sederhana 2. Analisis Regresi Linier Berganda

Analisis regresi linier sederhana merupakan bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yaitu variabel dependent (terikat) dan variabel independent (bebas). Sedangkan analisis regresi

linier berganda merupakan bentuk regresi dengan model yang memiliki hubungan antara tiga variabel atau lebih, yaitu sekurang-kurangnya satu variabel dependent dan dua variabel independent.

Analisis regresi berguna untuk mendapatkan hubungan fungsional antar dua variabel bebas terhadap variabel tidak bebas atau meramalkan pengaruh variabel bebas terhadap variabel tidak bebas dalam suatu fenomena yang kompleks. Jika, X1, X2, ..., Xk adalah variabel-variabel bebas dan Y variabel

terikat, maka terdapat hubungan fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut:

Dimana: Y= f(X1, X2, ..., Xk, e)

Y adalah variabel dependent (terikat)

X adalah variabel independent (bebas)

e adalah variabel residu (disturbace term)

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yaitu:

1. Menguji seberapa besar variasi variabel dependent dapat diterangkan oleh variasi independent.

2. Mengadakan estimasi terhadap parameter berdasarkan data empiris. 3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu prosedur yang digunakan untuk memperkirakan hubungan antara dua variabel dimana hanya terdapat satu variabel atau peubah bebas X dan satu peubah terikat Y.

Dalam bentuk persamaan, model regresi sederhana adalah:

Y = a + bX (2. 1)

Dimana: Y adalah variabel dependent (terikat) X adalah variabel independen (bebas) a adalah penduga bagi intercept (α)

b adalah penduga bagi koefisien regresi (β)

Penggunaan regresi linier sederhana didasarkan pada asumsi diantaranya sebagai berikut:

1. Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.

2. Model regresi harus linier dalam parameter.

3. Variabel bebas tidak berkorelasi dengan disturbance term (error). 4. Nilai disturbance term sebesar 0 atau dengan simbol (E (U/X) ) = 0. 5. Varian untuk masing-masing error term (kesalahan) konstan.

6. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan yang nyata.

2.2.2 Analisis Regresi Linier Berganda

Analisis regresi linier berganda merupakan analisis regresi yang menjelaskan hubungan antara peubah respon (variabel terikat) dengan faktor-faktor yang mempengaruhi lebih dari satu prediktor (variabel bebas). Regresi linier berganda hampir sama dengan regresi linier sederhana hanya saja pada regresi linier berganda variabel penduga (variabel bebas) lebih dari satu variabel.

Tujuan analisis regresi linier berganda adalah untuk membuat sebuah model yang baik (sebuah persamaan perkiraan hubungan Y terhadap variabel-variabel bebas) yang akan memungkinkan untuk menaksir Y. Untuk memperkirakan nilai variabel dependen Y, akan lebih baik apabila ikut memperhitungkan variabel-variabel independen lain yang ikut mempengaruhi nilai Y, dengan demikian dimiliki hubungan antara satu variabel dependen Y dengan beberapa variabel lain yang independen X1, X2, dan X3, ..., Xk. Dalam

pembahasan mengenai regresi linier sederhana, simbol yang digunakan untuk variabel independentnya adalah X. Dalam regresi linier berganda, persamaan regresinya memiliki lebih dari satu variabel independent maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini X1, X2, ..., Xk.

Secara umum persamaan regresi linier berganda dapat ditulis sebagai berikut: (Untuk Populasi)

(Untuk Sampel)

Yi = b0 + b1X1i + b2X2i + . . . + bkXk + ԑi (2. 3)

Dimana: i = 1, 2, . . . , n

b0, b1, b2, ..., bk dan ԑadalah pendugaan atas β0, β1, β2,..., βk dan ԑ.

Dalam penelitian ini digunakan empat variabel yang terdiri dari satu variabel dependent Y dan tiga variabel independent X yaitu: X1, X2, dan X3. Maka

persamaan regresi linier bergandanya adalah:

Ŷ = b0 + b1X1i + b2X2i + b3X3i (2. 4)

Persamaan diatas dapat diselesaikan dengan empat bentuk yaitu:

∑ Yi = b0n + b1 ∑ X1i + b2 ∑X2i + b3∑X3i (2. 5) ∑ YiX1i = b0 ∑ X1i + b1 ∑�_��� + b2 ∑ X1i X2i + b3∑ X1i X3i (2. 6) ∑ YiX2i = b0 ∑ X2i + b1 ∑ X1i X2i + b2 ∑�_��� + b3∑ X2i X3i (2. 7) ∑ YiX3i = b0∑ X3i + b1 ∑ X1i X3i + b2 ∑ X2i X3i + b3 ∑�_��� (2. 8)

2.3 Uji Keberartian Regresi

Sebelum persamaan regresi diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidaknya mengenai kelinieran dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penilitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis JKreg dan Jumlah Kuadrat untuk sisa (residu)

yang ditulis JKres.

Jika �1� =�1�− ��1�,�2� =�2�− ��₂, … ,�� = �_�� − ��� dan �� = �_� − �� maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

JKreg = b1 ∑ �1i yi + b2 ∑ �2i yi + b3 ∑ �3i yi (2. 10)

Dengan derajat kebebasan dk = k

JKres = ∑ (Yi−Ŷi)2 (2. 11)

Dengan derajat kebebasan dk = ( n – k – l ) untuk sampel berukuran n.

Dengan demikian uji keberartian regresi berganda dapat dihitung dengan: Fhitung = �����

/�

����� /(�−�−�) (2. 12)

Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V1 = k dan penyebut V2 = n – k – l .

2.4 Pengujian Hipotesis

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat

signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas menggunakan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis yaitu: H0 (hipotesis nol) dan Ha (hipotesis alternatif). H0 bertujuan untuk

memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penilitian dengan keadaan yang sesungguhnya yang diteliti. Ha bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.

Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis ada beberapa hal yang di pertimbangkan:

1) Hipotesis nol dan hipotesis alternatif yang diusulkan. 2) Penentuan nilai hitung statistik.

3) Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed

4) Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan.

Dalam pengujian keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain:

1) H0: β0= β1= . . . = βk = 0

Tidak terdapat hubungan fungsional yang signifikansi antara variabel bebas dengan variabel terikat.

Ha : minimal satu parameter koefisien regresi βk yang ≠ 0 terdapat hubungan fungsional yang signifikansi antara variabel bebas dengan variabel terikat.

2) Pilih taraf α yang diinginkan.

3) Hitung statistik Fhitung dengan menggunakan persamaan.

4) Nilai Ftabelmenggunakan daftar tabel F dengan taraf signifikansi α.

5) Kriteria pengujian : jika Fhitung≥ Ftabel , maka H0 ditolak dan Ha diterima.

Sebaliknya jika Fhitung≤ Ftabel , maka H0 dan Ha ditolak.

2.5 Koefisien Determinansi

Koefisien determinansi yang disimbolkan dengan R2 bertujuan untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui seberapa besar kemampuan variabel bebas menjelaskan variabel

terikat. Nilai R2 dikatakan baik jika berada diatas 0,5 karen nilai R2 berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penilitian, karena sebagian besar variabel terikat dijelaskan oleh variabel bebas yang digunakan dalam model.

Koefisien determinansi dapat dihitung dari:

�� ₌��∑����� + ��∑����� + . . . + ��∑�����

∑( �_�− Ȳ_� )� (2. 13)

Sehingga rumus umum koefisien determinansi yaitu

�� ₌ ����� ∑�=�� ���

(2.14)

Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.6 Uji Korelasi

Uji korelasi terdiri dari Pearson, Spearman, dan Kendall. Uji korelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak menunjukkan hubungan fungsional (berhubungan bukan berarti disebabkan). Uji korelasi tidak membedakan jenis variabel (tidak ada varaiabel bebas maupun variabel tak bebas). Keeratan hubungan ini dinyatakan dalam bentuk koefisien korelasi. Jika sampel data lebih dari 30 (sampel besar) dan kondisi data normal, sebaiknya

menggunakan korelasi Pearson (karena memenuhi asumsi parametrik). Jika jumlah sampel kurang dari 30 (sampel kecil) dan kondisi data tidak normal maka sebaiknya menggunakan korelasi Spearman atau Kendall (karena memenuhi asumsi non-parametrik).

2.6.1 Koefisien Korelasi

Koefisien korelasi biasanya disimbolkan dengan r. Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar variabel.

Untuk mencari korelasi antar variabel dapat dirumuskan sebagai berikut:

1. Untuk menghitung koefisien korelasi antara variabel dependen Y dengan tiga variabel independen X1, X2, X3 yaitu:

�= � ∑X�Y� − (∑ X�)(∑Y�)

�{ � ∑X_�2− (∑X_�)2} { � ∑Y_�2− (∑Y_�)2}

(2. 15)

2. Koefisien korelasi antara Y dengan X1

���1 = � ∑

X_1�Y_� − (∑X_1�)(∑Y_�)

�{�∑X_1�2 − (∑X_1�)2} {�∑Y_�2− (∑Y_�)2}

(2. 16)

3. Koefisien korelasi antara Y dengan X2

���2 = � ∑

X_2�Y_� − (∑X_2�)(∑Y_�)

�{�∑X_2�2 − (∑X_2�)2} {�∑Y_�2− (∑Y_�)2}

4. Koefisien korelasi antara Y dengan X3

���3 = � ∑

X_3�Y_� − (∑X_3�)(∑Y_�)

�{�∑X_3�2 − (∑X_3�)2} {�∑Y_�2− (∑Y_�)2}

(2. 18)

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukkan arah korelasi. Makna sifat korelasi yaitu:

1. Tanda positif (+) pada koefisien korelasi menunjukkan hubungan yang searah (korelasi positif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan demikian juga sebaliknya.

2. Tanda negatif (-) pada koefisien korelasi menunjukkan hubungan yang berlawanan arah (korelasi negatif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami penurunan dan demikian juga sebaliknya.

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut:

1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 sampai dengan 0,40 berarti korelasi memiliki keeratan lemah. 3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat

sekali.

Analisis ini bertujuan untuk mengukur kekuatan dan derajat hubungan antar dua variabel. Derajat hubungan antara dua variabel disebut korelasi sederhana sedangkan derajat yang berkaitan dengan tiga atau lebih variabel disebut sebagai korelasi berganda. Korelasi dapat bersifat linier atau nonlinier.

2.7 Uji Korelasi Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Misalkan populasi memiliki model regresi linier berganda, yaitu:

��,�_�,�_�,…,�_� = ��+����+����+ … +����

Yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk: Ŷ = b0 + b1X1 + b2X2 + . . . + bkXk

Akan dilakukan pengujian hipotesis dalam bentuk: H0: β1 = 0, i = 1, 2, ..., k

Ha : β2≠ 0, i = 1, 2, ..., k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran Sy 1, 2, ..., k

jumlah kuadrat-kuadrat ∑_ij2 dengan X_�� = X_�−X�_� dan koefisien korelasi ganda antara masing-masing variabel independen X dengan variabel dependen Y dalam regresi Ri.

Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b, yakni:

��� = �

s_�2 _.12…�

�∑x_��2�(1− �_�2) (2. 19)

Dimana:

��2 .12…� =

∑( Y_� − Ȳ_�)2 � − � −1 �_��2 _{= �(X}

��− X��)2 �2 ₌ �����

∑_�=1� _� �2

Selanjutnya dihitung statistik:

�� = _���

�� (2. 20)

Dengan kriteria pengujian: jika ��> ������, maka H0 ditolak dan jika ��< ������, maka H0 diterima yang akan berdistribusi t dengan derajat kebebasan

BAB 3

GAMBARAN UMUM

3.1 Pengertian Jalan

Jalan adalah prasarana transportasi darat yang meliputi segala bagian jalan, termasuk bangunan pelengkap dan perlengkapannya yang diperuntukkan bagi lalu lintas, yang berada pada permukaan tanah, di atas permukaan tanah, di bawah permukaan tanah dan atau air, serta di atas permukaan air, kecuali jalan kereta api, jalan lori, dan jalan kabel (Peraturan Pemerintah Nomor 34 Tahun 2006).

Jalan raya adalah jalur-jalur tanah di atas permukaan bumi yang dibuat oleh manusia dengan bentuk, ukuran-ukuran dan jenis konstruksinya sehingga dapat digunakan untuk menyalurkan lalu lintas orang, hewan dan kendaraan yang mengangkut barang dari suatu tempat ke tempat lainnya dengan mudah dan cepat.

Untuk perencanaan jalan raya yang baik, bentuk geometriknya harus ditetapkan sedemikian rupa sehingga jalan yang bersangkutan dapat memberikan pelayanan yang optimal kepada lalu lintas sesuai dengan fungsinya, sebab tujuan akhir dari perencanaan geometrik ini adalah menghasilkan infrastruktur yang aman, efisiensi pelayanan arus lalu lintas dan memaksimalkan ratio tingkat penggunaan biaya juga memberikan rasa aman dan nyaman kepada pengguna jalan.

3.2 Klasifikasi Kendaraan

Klasifikasi kendaraan bermotor dalam data didasarkan menurut Peraturan Bina Marga, yakni perbandingan terhadap satuan mobil penumpang. Penjelasan tentang jenis kendaraan dapat dilihat sebagai berikut:

1. Mobil penumpang (Passenger car)

Jenis kendaraan pribadi dengan daya angkut lebih kecil dari 12 orang, termasuk didalamnya jeep, sedan, dan lain-lain.

2. Mobil bus (Bus)

Semua jenis kendaraan penumpang yang daya angkutnya lebih besar dari 12 orang termasuk didalamnya Pick Up.

3. Mobil gerobak (Truck wagon)

Semua jenis truk yang mempunyai roda 4 keatas, termasuk mobil tangki. 4. Sepeda motor (Motor cycle)

Semua jenis kendaraan bermotor beroda 2, seperti Honda, Yamaha, Kawasaki, Vespa, dan lain-lain.

3.3 Kecelakaan Lalu Lintas di Jalan Raya

Menurut buku Undang-Undang Republik Indonesia Nomor 14 tahun 1992 tentang Lalu Lintas dan Angkutan Jalan beserta Peraturan Pelaksanaannya PP Nomor 41, 42, 43, dan 44 Tahun 1993 (pada Peraturan Pemerintah Republik Indonesia Nomor 43 tentang Prasarana Lalu Lintas). Kecelakaan lalu lintas adalah suatu

peristiwa di jalan yang tidak di sangka-sangka dan tidak disengaja melibatkan kendaraan yang sedang bergerak dengan atau tanpa pemakai jalan lainnya, mengakibatkan korban manusia atau kerugian harta benda.

Didalam buku tersebut, korban kecelakaan lalu lintas dibagi menjadi 3 bagian yaitu:

1. Korban Meninggal

Korban meninggal adalah korban yang sudah dipastikan meninggal sebagai akibat kecelakaan lalu lintas dalam jangka waktu paling lama 3 hari setelah kecelakaan tersebut.

2. Korban Luka Berat

Korban luka berat merupakan korban yang karena luka-lukanya menderita cacat tetap atau dirawat dalam jangka waktu lebih dari 30 hari sejak terjadinya kecelakaan.

3. Korban Luka Ringan

Korban luka ringan adalah korban yang tidak termasuk dalam pengertian korban meninggal dan korban luka berat.

3.4 Jenis dan Bentuk Kecelakaan

Kecelakaan lalu lintas dapat digolongkan atas 3 jenis menurut akibat dari kecelakaan tersebut yaitu:

2. Kecelakaan dengan korban luka-luka

3. Kecelakaan dengan kerugian dan kerusakan kendaraan.

PT Jasa Marga mengelompokkan jenis tabrakan yang melatar belakangi terjadinya kecelakaan lalu lintas menjadi:

1. Tabrakan depan-depan

Merupakan jenis tabrakan antara dua kendaraan yang tengah melaju dimana keduannya saling beradu muka dari arah yang berlawanan, yaitu bagian depan kendaraan yang satu dengan bagian depan kendaraan lainnya.

2. Tabrakan depan-samping

Adalah jenis tabrakan antara dua kendaraan yang tengah melaju dimana bagian depan kendaraan yang satu menabrak bagian samping kendaraan lainnya.

3. Tabrakan samping-samping

Merupakan jenis tabrakan antara dua kendaraan yang tengah melaju dimana bagian samping kendaraan yang satu menabrak bagian yang lain. 4. Tabrakan depan-belakang

Merupakan jenis tabrakan antara dua kendaraan yang tengah melaju dimana bagian depan kendaraan yang satu menabrak bagian belakang kendaraan di depannya dan kendaraan tersebut berada pada arah yang sama.

5. Menabrak penyeberang jalan

Adalah jenis tabrakan antara kendaraan yang tengah melaju dan pejalan kaki yang sedang menyeberang jalan.

6. Tabrakan sendiri

Merupakan jenis tabrakan dimana kendaraan yang tengah melaju mengalami kecelakaan sendiri atau tunggal.

7. Tabrakan beruntun

Adalah jenis tabrakan dimana kendaraan yang tengah melaju menabrak mengakibatkan terjadinya kecelakaan yang melibatkan dari dua kendaraan secara beruntun.

8. Menabrak obyek tetap

Merupakan jenis tabrakan dimana kendaraan yang tengah melaju menabrak obyek tetap dijalan.

3.5 Faktor Penyebab Kecelakaan Lalu Lintas

Faktor-faktor penyebab kecelakaan terdiri dari: Faktor manusia (pengemudi), faktor kendaraan, faktor alam, faktor jalan, dan faktor teknologi.

1. Faktor Manusia (pengemudi)

Pelanggaran atau tindakan yang berbahaya oleh pengemudi, seperti ugal-ugalan, pengemudi dalam kondisi tidak sadar atau terpengaruh alkohol, karen pejalan kaki, seperti menyebrang jalan tidak hati-hati.

2. Faktor Kendaraan

Kendaraan yang digunakan untuk memenuhi standar kendaraan yang baik, seperti tanpa rem yang baik, tanpa lampu penerangan, tanpa lampu tangan tanda berbahaya.

3. Faktor Alam

Lingkungan juga dapat menjadi faktor penyebab kecelakaan pada saat adanya kabut, asap tebal, hujan, genangan air di jalan yang menyebabkan pengemudi hilang kendali mengemudikan kendaraannya.

4. Faktor Jalan

Jalan yang dilalui kendaraan kurang baik seperti kurangnya lebar badan jalan sehingga kendaraan melewati jalur lawan atau jalan licin.

5. Faktor Teknologi

Teknologi juga merupakan faktor penyebab kecelakaan, misalnya pada saat mengendarai sering sekali pengemudi menggunakan handphone, ini menyebabkan pengemudi kurang berkonsentrasi dalam mengemudi.

3.6 Kewajiban yang harus ditaati oleh Pengemudi Kendaraan Bermotor

Kewajiban yang harus ditaati oleh Pengguna Kendaraan Bermotor antara lain: 1. Pengemudi kendaraan bermotor yang terlibat peristiwa kecelakaan lalu

lintas wajib:

a. Menghentikan kendaraannya,

c. Melaporkan kecelakaan tersebut pada Pejabat Kepolisian Negara Republik Indonesia terdekat.

2. Apabila pengemudi kendaraan bermotor sebagaiman dimaksud pada no.1 oleh karena keadaan memaksa tidak dapat melaksanakan ketentuan sebagaimana dimaksudkan pada no.1 huruf a dan b, kepadanya tetap diwajibkan melaporkan diri kepada Pejabat Kepolisian Negara Republik Indonesia terdekat.

3. Pengemudi kendaraan bermotor bertanggung jawab atas kerugian yang diderita oleh penumpang atau pemilik barang atau pihak ketiga, yang timbul karena kelalaian atau kesalahan pengemudi dalam mengemudikan kendaraan bermotor, (dikutip dari Undang-Undang Republik Indonesia No. 14 Tahun 1992 tentang Lalu Lintas dan Angkutan Jalan Beserta peraturan pelaksanaannya PP No. 41, 42, 43, dan 44 tahun 1993 halaman 10-11).

BAB 4

PENGOLAHAN DATA

4.1 Data yang diperoleh

Data merupakan alat untuk pengambilan keputusan dalam memecahkan suatu persoalan. Salah satu kegunaan data adalah untuk memberikan informasi mengenai gambaran tentang suatu keadaan permasalahan.

Untuk membahas dan memecahkan permasalahan tentang faktor-faktor yang mempengaruhi kecelakaan lalu lintas, maka penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang akan dianalisis dalam tugas akhir ini adalah data sekunder yang dikumpulkan dari Kepolisian Negara Republik Indonesia Daerah Sumatera Utara Direktorat Lalu Lintas Resort Deli Serdang mengenai jumlah kecelakaan lalu lintas di Kabupaten Deli Serdang beserta faktor-faktor yang mempengaruhinya.

Tabel 4.1: Jumlah Kecelakaan Berdasarkan Faktor Kecelakaan Lalu Lintas di Kabupaten Deli Serdang Tahun 2013

NO. BULAN

JUMLAH KECELAKAAN

LALU LINTAS

FAKTOR KECELAKAAN MANUSIA ALAM KENDARAAN

1 JANUARI 22 19 1 0

2 FEBRUARI 19 12 0 7

3 MARET 18 13 0 5

4 APRIL 16 14 1 1

5 MEI 19 13 0 6

6 JUNI 20 14 1 5

7 JULI 28 18 1 7

8 AGUSTUS 29 21 0 6

9 SEPTEMBER 48 25 2 11

10 OKTOBER 37 27 0 9

11 NOVEMBER 37 25 0 4

12 DESEMBER 44 20 1 6

JUMLAH 337 221 7 67

Sumber: Kepolisian Negara Republik Indonesia Daerah Sumatera Utara Direktorat Lalu Lintas Resort Deli Serdan

Untuk memperoleh model yang cocok dalam menduga tingkat kecelakaan lalu lintas berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi dengan 1 variabel terikat (dependent variable) dan 3 variabel bebas (independent variable).

Keterangan:

Yi : Jumlah kecelakaan lalu lintas

X1i : Jumlah kecelakaan lalu lintas karena Manusia

X2i : Jumlah kecelakaan lalu lintas karena Alam

4.2 Persamaan Regresi Linier Berganda

Sebelum membentuk persamaan regresi linier berganda maka terlebih dahulu menghitung koefisien-koefisien regresinya. Koefisien-koefisien regresinya dapat dicari berdasarkan tabel 4.1

Persamaan regresinya adalah:

Ŷ = b0 + b1X1 + b2X2 + b3X3

Tabel 4.2 Nilai-Nilai Yang Diperlukan Untuk Membentuk Koefisien Persamaan Regresi Linier Berganda

No. �_� �_�� �_�� �_�� �_��� �_��� �_���

1 22 19 1 0 361 1 0

2 19 12 0 7 144 0 49

3 18 13 0 5 169 0 25

4 16 14 1 1 196 1 1

5 19 13 0 6 169 0 36

6 20 14 1 5 196 1 25

7 28 18 1 7 324 1 49

8 29 21 0 6 441 0 36

9 48 25 2 11 625 4 121

10 37 27 0 9 729 0 81

11 37 25 0 4 625 0 16

12 44 20 1 6 400 1 36

sambungan tabel 4.2

No. �_���_�� �_���_�� �_���_�� �_��_�� �_��_�� �_��_�� �_��

1 19 0 0 418 22 0 484

2 0 84 0 228 0 133 361

3 0 65 0 234 0 90 324

4 14 14 1 224 16 16 256

5 0 78 0 247 0 114 361

6 14 70 5 280 20 100 400

7 18 126 7 504 28 196 784

8 0 126 0 609 0 174 841

9 50 275 22 1200 96 528 2304

10 0 243 0 999 0 333 1369

11 0 100 0 925 0 148 1369

12 20 120 6 880 44 264 1936

Jumlah 135 1301 41 6748 226 2096 10789

Dari tabel tersebut diperoleh harga-harga sebagai berikut:

n = 12 ∑�1��2� = 135

∑�_� = 337 ∑�_1��_3� = 1301

∑�_1� = 221 ∑�_2��_3� = 41

∑�_2� = 7 ∑�_��_1� = 6748

∑�3� = 67 ∑�_��_2� = 226

∑�_1�2 _{= 4379 ∑�}

��3� = 2096

∑�_2�2 _{= 9 ∑�}

�2 = 10789 ∑�_3�2 _{= 475}

Rumus umum persamaan regresi linier berganda dengan tiga variabel bebas yaitu:

Ŷ = b0 + b1X1i + b2X2i + b3X3i (4. 1)

Dan diperoleh melalui persamaan-persamaan berikut:

∑ Yi = b₀n + b1 ∑ X1i + b2 ∑X2i + b3∑X3i (4. 2)

∑ YiX1i = b0 ∑ X1i + b1 ∑ X2_1i + b2 ∑ X1i X2i + b3∑ X1i X3i (4. 3)

∑ YiX2i = b₀ ∑ X2i + b1 ∑ X1i X2i + b2 ∑ X_2i2 + b3∑ X2i X3i (4. 4)

∑ YiX3i = b₀∑ X3i + b1 ∑ X1i X3i + b2 ∑ X2i X3i + b3∑ X_3i2 (4. 5)

Harga-harga yang telah diperoleh disubstitusikan kedalam bentuk persamaan tersebut maka didapatkan:

337 = b₀ 12 + b₁ 221 + b₂ 7 + b₃ 67

6748 = b₀ 221 + b₁ 4379 + b₂ 135 + b₃ 1301 226 = b₀ 7 + b₁ 135 + b₂ 9 + b₃ 41

2096 = b₀ 67 + b₁ 1301 + b₂ 41 + b₃ 475

Setelah selesai mensubstitusikan persamaan di atas, maka didapat koefisien-koefisien regresi linier berganda sebagai berikut:

b₀ = -6,771

b₁ = 1,441

b₂ = 3,773

b₃ = 1,095

Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi linier berganda:

Ŷ = b0 + b1X1i + b2X2i + b3X3i (4. 6)

Ŷ = -6,771 + 1,441 X1 + 3,773 X2 + 1,095 X3

4.3 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai kelinieran dan keberartiannya. Perumusan hipotesisnya adalah:

H0: β0= β1= . . . = βk = 0

Tidak terdapat hubungan fungsional yang signifikan antara variabel independen yaitu manusia, alam dan kendaraan dengan variabel dependent yaitu jumlah kecelakaan.

H1 : Minimal satu parameter koefisien regresi βk yang ≠ 0 terdapat hubungan

fungsional yang signifikan antara variabel independent yaitu manusia, alam, dan kendaraan dengan variabel dependent yaitu jumlah kecelakaan.

Kriteria pengujian : jika Fhitung≥ Ftabel , maka H0 ditolak dan H1 diterima.

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (JKreg) dan JK untuk sisa (JKres) yang

akan didapatkan setelah mengetahui nilai-nilai:

X_1�= X_1�−X�₁ X_3� = X_3�− X�₃ X_2�= X_2�−X�₂ y_� = Y_� −Y�

Nilai �₁, �₂, �₃, dan y diperoleh dari tabel 4.3 berikut:

Tabel 4.3 : Nilai-Nilai Yang Diperoleh Untuk Uji Keberartian Regresi

No. �_� �_�� �_�� �_�� �_�� �_�� �_�� �_�

1 22 19 1 0 0,58 0,42 -5,58 -6,08

2 19 12 0 7 -6,42 -0,58 1,42 -9,08

3 18 13 0 5 -5,42 -0,58 -0,58 -10,08

4 16 14 1 1 -4,42 0,42 -4,58 -12,08

5 19 13 0 6 -5,42 -0,58 0,42 -9,08

6 20 14 1 5 -4,42 0,42 -0,58 -8,08

7 28 18 1 7 -0,42 0,42 1,42 -0,08

8 29 21 0 6 2,58 -0,58 5,42 0,92

9 48 25 2 11 6,58 1,42 5,42 19,92

10 37 27 0 9 8,58 -0,58 3,42 8,92

11 37 25 0 4 8,58 -0,58 -1,58 8,92

12 44 20 1 6 1,58 0,42 0,42 15,92

Sambungan tabel 4.3

No. �_���_� �_���_� �_���_� Ŷ �_�− Ŷ (�_�− Ŷ)� ��

1 -3,5264 -2,5536 33,9264 24,381 -2,381 5,669161 36,9664 2 58,2936 5,2664 -12,8936 18,186 0,814 0,662596 82,4464 3 54,6336 5,8464 5,8464 17,437 0,563 0,316969 101,6064 4 53,3936 -5,0736 55,3264 18,271 -2,271 5,157441 145,9264 5 49,2136 5,2664 -3,8136 18,532 0,468 0,219024 82,4464 6 35,7136 -3,3936 4,6864 22,651 -2,651 7,027801 65,2864 7 0,0336 -0,0336 -0,1136 30,605 -2,605 6,786025 0,0064 8 2,3736 -0,5336 4,9864 30,06 -1,06 1,1236 0,8464 9 131,0736 28,2864 107,9664 48,845 -0,845 0,714025 396,8064 10 76,5336 -5,1736 30,5064 41,991 -4,991 24,910081 79,5664 11 76,5336 -5,1736 -14,0936 33,634 3,366 11,329956 79,5664 12 25,1536 6,6864 6,6864 32,392 11,608 134,74566 253,4464

∑ 559,4232 29,4168 219,0168 336,985 0,015 198,66234 1324,917

Dimana:

X

�1 = 18,41667

X

�2 = 0,583333

X

�3 = 5,583333

Y

� = 28,08333

Dari tabel tersebut diperoleh nilai-nilai berikut:

∑x_1iy_i = 559,4232

∑x_2iy_i = 29,4168

∑x_3iy_i = 219,0168

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JKreg dan JKres

sebagai berikut:

JKreg = b₁∑x_1iy_i + b₂∑x_2iy_i + b₃∑x_3iy_i (4. 7)

= (1,441)(559,4232) + (3,773)(29,4168) + (1,095)(219,0168) = 806,12883 + 110,98959 + 239,8234

= 1156,9418

JKres = ∑(Y_� − Y�)2 (4. 8)

= 198,66234

Jadi Fhitung dapat dicari dengan:

F_hitung = JK���/�

JK_���/(� − � −1) (4. 9)

= 1156,9418 / 3

198,66234 /(12−3−1)

= 385,64727

24,832793 = 15,529758 = 15,53

Untuk Ftabel, yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan

derajat kebebasan pembilang V1 = k dan penyebut V2 = n-k-1, dan α = 5% = 0,05

Dengan demikian dapat dilihat bahwa nilai Fhitung (15,53) > Ftabel (4,07),

maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan linier berganda Y atas

X1, X2, X3 bersifat nyata yang berarti bahwa jumlah kecelakaan lalu lintas yang

diakibatkan oleh faktor manusia, alam, dan kendaraan secara bersama-sama berpengaruh terhadap terjadinya tingkat kecelakaan lalu lintas (perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel anova).

4.4 Koefisien Determinansi

Dari tabel 4.3 dapat dilihat harga ∑�2=1324,917 dan nilai JKreg =1156,9418 telah

dihitung sebelumnya, maka diperoleh nilai koefisien determinansi:

R2 = JK��� ∑_i=1n _y �2

(4. 10)

R2 = 1156,9418

1324,917 R2 = 0,8732183

Untuk koefisien korelasi ganda maka:

R =√R2

R =√0,8732183

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,934 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R2 diperoleh sebesar 0,8732183 yang berarti sekitar 87% tingkat kecelakaan lalu lintas dipengaruhi oleh faktor manusia, alam, dan kendaraan. Sedangkan sisanya 100% - 87% = 13% dipengaruhi oleh faktor-faktor lain (perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel Model Summary).

4.5 Koefisiensi Korelasi

4.5.1 Perhitungan Korelasi Antara Variabel Independent dan Variabel Dependent

Untuk mengukur besarnya pengaruh variabel independent terhadap variabel dependent, maka dari tabel 4.2 dapat dihitung besar koefisien korelasinya yaitu:

1. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor manusia (X1).

���1= �∑

X_1�Y_� −(∑X_1�)(∑Y_�)

�{�∑X_1�2 −(∑X_1�)2}{�∑Y_�2−(∑Y_�)2}

(4. 11)

= 12 (6748)−(221)(337)

�{12 (4379)−(221)2}{12 (10789)−(337)2}

= 80976−74477

�{52548−48841}{129468−113569

= 6499

= 6499 7677,24 = 0,847

2. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor alam (X2).

���2 = �∑

X_2�Y_�−(∑X_2�)(∑Y_�)

�{�∑X_2�2 −(∑X_2�)2}{�∑Y_�2−(∑Y_�)2}

(4. 12)

= 12 (226)−(7)(337)

�{12 (9)−(7)2}{12 (10789)−(337)2}

= 2712−2359

�{108−49}{129468−113569}

= 353

√938041

= 353

968,53 = 0,364

3. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor kendaraan (X3).

���3 = �∑

X_3�Y_�−(∑X_3�)(∑Y_�)

�{�∑X_3�2 −(∑X_3�)2}{�∑Y_�2−(∑Y_�)2}

(4. 13)

= 12 (2096)−(67)(337)

�{12 (475)−(67)2}{12 (10789)−(337)2}

= 25152−22579

�{5700−4489}{129468−113569}

= 2573

= 2573 4388,62 = 0,586

4.5.2 Perhitungan Korelasi Antara Variabel independent

1. Koefisien korelasi antara jumlah faktor manusia (X1) dengan jumlah faktor

alam (X2): �12 = �∑

X_1�X_2�−(∑X_1�)(∑X_2�)

�{�∑X_1�2 −(∑X_1�)2}{�∑X_2�2 −(∑X_2�)2}

(4. 14)

= 12 (135)−(221)(7)

�{12 (4379)−(221)2}{12 (9)−(7)2}

= 1620−1547

�{52548−48841}{108−49}

= 73

√218713

= 73

467,67 = 0,156

2. Koefisien korelasi antara jumlah faktor manusia (X1) dengan jumlah faktor

kendaraan (X3): �13 = �∑

X_1�X_3�−(∑X_1�)(∑X_3�)

�{�∑X_1�2 −(∑X_1�)2}{�∑X_3�2 −(∑X_3�)2}

(4. 15)

= 12 (1301)−(221)(67)

= 15612−14807

�{52548−48841}{5700−4489}

= 805

√4489177

= 805

2118,77

= 0,380

3. Koefisien korelasi antara jumlah faktor alam (X2) dengan jumlah faktor

kendaraan (X3):

�23= �∑

X_2�X_3�−(∑X_2�)(∑X_3�)

�{�∑X_2�2 −(∑X_2�)2}{�∑X_3�2 −(∑X_3�)2}

(4. 16)

= 12 (41)−(7)(67)

�{12 (9)−(7)2}{12 (475)−(67)2}

= 492−469

�{108−49}{5700−4489}

= 23

√71449

= 23

267,29

= 0,086

Dari perhitungan koefisien korelasi baik antara variabel independent terhadap variabel dependent maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut:

1. �_��1= 0,847 ; variabel X1 berkorelasi sangat kuat terhadap variabel Y

2. �_��2= 0,364 ; variabel X2 berkorelasi lemah terhadap variabel Y

3. �_��3= 0,586 ; variabel X3 berkorelasi kuat terhadap variabel Y

4. �₁₂ = 0,156 ; variabel X1 berkorelasi sangat lemah terhadap variabel X2

5. �₁₃ = 0,380 ; variabel X1 berkorelasi lemah terhadap variabel X3

6. �₂₃ = 0,086 ; variabel X2 berkorelasi sangat lemah terhadap variabel X3

(perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel Correlations).

4.6 Uji Koefisien Regresi Linier Berganda

Dari hasil perhitungan diperoleh model persamaan regresi linier berganda:

Ŷ = -6,771 + 1,441 X1 + 3,773 X2 + 1,095 X3

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam persamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

Langka-langkahnya adalah sebagai berikut:

1. Hipotesis Pengujian H0: β1 = 0 ; i = 1, 2, ..., k

Terdapat pengaruh yang signifikan antara koefisien X1, X2, dan X3

terhadap Y

H1: β1≠ 0 ; i = 1, 2, ..., k

Tidak terdapat pengaruh yang signifikan antara koefisien X1, X2, dan X3

2. Taraf nyata (signifikansi) α = 0,05

3. Dengan kriteria penguji: jika t_� > t_{�����}, maka tolak H0 dan jika t� < t_{�����}, maka terima H0

4. Ambil kesimpulan berdasarkan hasil pengujian

Tabel 4.4: Nilai-nilai yang diperlukan untuk Uji Koefisien Regresi Linier Berganda

No �_�� �_�� �_�� �_��� �_��� �_���

1 0,58 0,42 -5,58 0,3364 0,1764 31,1364

2 -6,42 -0,58 1,42 41,2164 0,3364 2,0164

3 -5,42 -0,58 -0,58 29,3764 0,3364 0,3364

4 -4,42 0,42 -4,58 19,5364 0,1764 20,9764

5 -5,42 -0,58 0,42 29,3764 0,3364 0,1764

6 -4,42 0,42 -0,58 19,5364 0,1764 0,3364

7 -0,42 0,42 1,42 0,1764 0,1764 2,0164

8 2,58 -0,58 5,42 6,6564 0,3364 29,3764

9 6,58 1,42 5,42 43,2964 2,0164 29,3764

10 8,58 -0,58 3,42 73,6164 0,3364 11,6964

11 8,58 -0,58 -1,58 73,6164 0,3364 2,4964

12 1,58 0,42 0,42 2,4964 0,1764 0,1764

∑ 1,96 0,04 5,04 339,2368 4,9168 130,1168

Keterangan:

Nilai �_���_���_��diperoleh dari hasil perhitungan pada tabel 4.3

X_1�= X_1�−X�₁ X_3� = X_3�− X�₃ X_2�= X_2�−X�₂

Dari tabel tersebut diperoleh nilai-nilai berikut: ∑x_1�2 = 339,2368

∑x_2�2 = 4,9168 ∑x_3�2 = 130,1168

Untuk melakukan pengujian diperlukan rumus:

��� =� �� .��…� �

�∑�_���_{��� − �} �

�_� (4. 17)

dimana,

��� .��…�=

∑(�_�− Ŷ)�

� − � − � (4. 18) s_�2 _.12= 198,66234

12−3−1

= 24,832793 ∑x_��2 =∑(X_�� −X�_�) ∑x_1�2 = 339,2368

∑x_2�2 = 4,9168

�12 = 0,156 �13 = 0,380 �23= 0,086

Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien bi sebagai

berikut:

s_�1 =� s� .12…� 2 �∑�_1�2 _�(1−r

122 )

(4. 19)

=� 24,832793

(339,2368)(1−0,1562)

= � 24,832793

(339,2368)(0,976)

= �24,832793

331,095

= �0,0750

= 0,274

s_�2= � s� .12…� 2 �∑�_2�2 _�(1−r

132 )

= � 24,832793 (4,9168)(1−0,3802)

= � 24,832793

(4,9168)(0,856)

= �24,832793

4,2088

= �5,90

= 2,429

s_�3 = � s� .12…� 2 �∑�_3�2 _�(1−r

23

2 ₎ (4. 21)

=� 24,832793

(130,1168)(1−0,0862)

= � 24,832793

(130,1168)(0,9926)

= �24,832793

129,16

= �0,192

Kemudian didapatkan nilai distribusi student

�� = ��

��� (4. 22) �1 =_��1

�1 = 1,441

0,274= 5,259

�2 = _��2 �2 =

3,773

2,429= 1,553

�3 = _��3 �3 =

1,095

0,4381= 2,499

Untuk taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-l) = (12-3-1) = 8 dari tabel distribusi student t diperoleh ttabel = tn−k−1,α/2 = t12−3−1,0,025 = 2,31.

Maka dari perhitungan thitung di atas diperoleh:

t₁ > t_tabel maka H0 ditolak ; t1 (5,259) > ttabel (2,31)

t₂ < t_tabel maka H0 diterima ; t₂ (1,553) < t_tabel (2,31)

t₃ > t_tabel maka H0 ditolak ; t₃ (2,499) > t_tabel (2,31)

Dari ketiga koefisien regresi tersebut menunjukkan bahwa variabel X1 (manusia)

dan X3 (kendaraan) memberikan pengaruh yang berarti terhadap tingkat

kecelakaan lalu lintas, sedangkan variabel X2 (alam) tidak memberikan pengaruh

yang berarti terhadap tingkat kecelakaan lalu lintas (perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel coefficients).

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah tahapan hasil desain tertulis kedalam programming

dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini implementasi sistem digunakan untuk menganalisa data-data yang dianggap mempengaruhi tingkat kecelakaan lalu lintas di Kabupaten Deliserdang tahun 2013.

Adapun implementasi yang digunakan untuk menganalisa hubungan ataupun pengaruh tingkat kecelakaan lalu lintas adalah SPSS. Diharapkan dengan menggunakan SPSS ini dapat meningkatkan pengetahuan dan kemampuan dalam hal:

1. Pemahaman elemen dari lembar kerja SPSS 2. Pendayagunaan fasilitas SPSS

3. Menganalisa data dan lembar kerja 4. Kreasi dan modifikasi grafik

5.2 Peranan Komputer dalam Statistika

Komputer memegang peranan yang sangat penting dalam statistika. Komputer bekerja secara efisien dalam pengolahan data mempunyai karakteristik yaitu:

1. Jumlah Input yang besar

Jumlah input yang besar akan dapat diolah komputer dengan mudah semudah kita mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja secara efisien pada pengolahan data dengan menggunakan input yang besar.

2. Diperlukan kecepatan tinggi

Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah komputer, yang membedakannya hanya pada proses pemasukkan data saja.

3. Diperlukan kecepatan yang tinggi

Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukkan data saja.

4. Pengolahan hal yang kompleks

Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan menggunakan komputer dalam waktu yang tepat dan cepat.

SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Stanford University, yang dioperasikan pada komputer mainframe.

SPSS yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the Social Sciences), sekarang diperluas untuk melayani berbagai user, seperti untuk proses produksi dipabrik, riset ilmu-ilmu sains dan lainnya. Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Services Solutions. Kelebihan program ini adalah kita dapat melakukan secara lebih cepat semua perhitungan statistik dari yang sederhana sampai yang rumit sekalipun yang jika kita lakukan secara manual akan memakan waktu yang lebh lama.

5.3 Pengolahan Data dengan SPSS

1. Memulai SPSS pada Window yaitu sebagai berikut: 1. Pilih dan tekan tombol start dari keyboard 2. Pilih SPSS inc, PASW Statistic 17

Maka SPSS siap untuk dipergunakan. Jika ingin membuka file, pilih nama file yang disimpan dan klik open. Jika akan memulai mendesain variabel dan akan memasukkan data, pilih cancel.

2. Memasukkan data kedalam SPSS

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu: Data View dan Variabel View. Untuk menyusun definisi variabel, posisi tampilan SPSS Data Editor pilih variabel View. Lakukan dengan mengklik tab Sheet variabel view yang berada di bagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variabel view juga dapat dimunculkan dari View lalu pilih Variabel.

Pada tampilan jendela Variabel View terdapat kolom-kolom berikut: Name : untuk memasukkan nama variabel yang akan diuji Type : untuk mendefenisikan tipe apakah bersifat numeric atau

string

Width : untuk menuliskan panjang pendek variabel

Decimal : untuk menuliskan jumlah decimal dibelakang koma Label : untuk menuliskan label variabel

Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale

Missing : untuk menuliskan ada tidaknya jawaban kosong Columns : untuk menuliskan lebar kolom

Align : untuk menuliskan rata kanan, kiri, atau tengah penempatan teks atau angka di Data View

Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal, atau scale

Gambar 5.3 Tampilan Pemasukkan Data Pada Icon Data View

5.4 Pengolahan Data dengan Persamaan Regresi

Langkah-langkahnya adalah sebagai berikut:

1. Dari menu utama SPSS, klik menu Analayze, lalu pilih sub menu Regression dan klik Linear seperti gambar berikut:

Gambar 5.4 Pilih Analyze, Regression, Linear

2. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (jumlah kecelakaan lalu lintas) pada kotak Dependent, dan variabel bebas X (manusia, alam, kendaraan) pada kotak Independent seperti gambar berikut:

3. Klik kotak Statistic pada kotak dialog Linear Regression, kemudian aktifkan Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu klik continue untuk melanjutkan seperti pada gambar berikut:

Gambar 5.6 Kotak Dialog Linear Regression: Statistics

4. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk membuat grafik, isi kolom Y dengan pilihan SRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi kolom Y dengan ZPRED dan kolom X dengan DEPENDENT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue untuk melanjutkan seperti gambar berikut:

Gambar 5.7 Kotak Dialog Linear Regression: Plots

5. Kemudian klik tombol Options pada kotak dialog Linear Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktifkan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include in aquation dan Exclude Cases litwise pada Missing Values seperti gambar berikut:

Gambar 5.8 Kotak Dialog Linear Regression: Options 6. Selanjutnya klik Ok pada kotak dialog Linear Regression.

5.5 Pengolahan Data dengan Persamaan Korelasi

Langkah-langkahnya adalah sebagai berikut:

1. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Correlate dan klik Bivariate seperti gambar berikut:

Gambar 5.9 Pilih Analyze, Correlate, Bivariate

2. Pada kotak dialog Bivariate Correlations akan ditampilkan variabel-variabel yang akan diuji. Pindahkan variabel-variabel-variabel-variabel tersebut kedalam kotak variabels.

3. Pada kolom Correlations Coefficients aktifkan Pearson, pada kolom Test of Significant aktifkan Two-Tailed dan Flag Significant Correlations, lalu klik Ok seperti gambar berikut:

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan linier ganda yaitu:

Ŷ = -6,771 + 1,441 X1 + 3,773 X2 + 1,095 X3 atau dengan kata lain jumlah

kecelakaan lalu lintas = -6,771 + 1,441 faktor kecelakaan manusia + 3,773 faktor kecelakaan pengaruh alam + 1,095 faktor kecelakaan kendaraan.

2. Dengan taraf kepercayaan α = 0,05 ; derajat kebebasan (degree of independent) dk_pembilang= 3 dan dk_penyebut =� − � − � = 12-3-1 = 8, diperoleh F_tabel = 4,07 dan dari perhitungan diperoleh F_hitung = 15,53. Maka F_hitung (15,53) > F_tabel (4,07), maka H0 ditolak dan Ha diterima.

Hal ini berarti persamaan linier berganda Y atas X1, X2, X3 bersifat nyata

faktor manusia, alam, kendaraan secara bersama-sama mempengaruhi terjadinya tingkat kecelakaan lalu lintas di Kabupaten Deli Serdang.

3. Dari perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,934 yang berarti bahwa korelasi antara variabel independent X dengan variabel dependent Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R2 diperoleh sebesar 0,8732183 yang berarti sekitar 87% tingkat kecelakaan lalu lintas dipengaruhi oleh faktor manusia, alam, dan kendaraan. Sedangkan sisanya sebesar 100% - 87% = 13% dipengaruhi oleh faktor-faktor lain.

4. Dari perhitungan koefisien korelasi antara masing-masing variabel X1, X2,

X3 dengan variabel Y diperoleh:

1. Hubungan antara tingkat kecelakaan lalu lintas dengan faktor manusia adalah sebesar 0,847

2. Hubungan antara tingkat kecelakaan lalu lintas dengan faktor alam adalah sebesar 0,364

3. Hubungan antara tingkat kecelakaan lalu lintas dengan faktor kendaraan adalah sebesar 0,586

Maka faktor yang paling berpengaruhi terhadap tingginya tingkat kecelakaan lalu lintas di Kabupaten Deli Serdang adalah faktor manusia yaitu sebesar 0,847.

5. Dari hasil perhitungan untuk taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-1) = (12-3-1) = 8 dari tabel distribusi student t diperoleh t_tabel = t_{(n−k−1,α/2)} = t_{(12−3−1,0,025)} = 2,31.

Maka dari perhitungan t_hitung di peroleh:

t₁ > t_tabel maka H0 ditolak ; t1 (5,259) > ttabel (2,31) t₂ < t_tabel maka H0 diterima ; t₂ (1,553) < t_tabel (2,31) t₃ > t_tabel maka H0 ditolak ; t3 (2,499) > ttabel (2,31)

Dari ketiga koefisien regresi tersebut menunjukkan bahwa variabel X1

(manusia) dan X3 (kendaraan) memberikan pengaruh yang berarti terhadap

tingkat kecelakaan lalu lintas, sedangkan variabel X2 (alam) tidak

memberikan pengaruh yang berarti terhadap tingkat kecelakaan lalu lintas.

6.2 Saran

Dari analisa dan kesimpulan yang telah di dapat, ada beberapa saran yang penulis dapat berikan, yang mungkin bisa membantu masyarakat maupun pemerintah dalam mengendalikan tingkat kecelakaan lalu lintas di Kabupaten Deli Serdang adalah sebagai berikut:

1. Kecelakaan lalu lintas merupakan suatu peristiwa di jalan yang tidak disangka-sangka maka, masyarakat Kabupaten Deli Serdang sebaiknya mematuhi rambu-rambu lalu lintas dan berhati-hati saat mengendarai

kendaraan bermotor baik roda empat maupun roda dua untuk mengurangi terjadinya kecelakaan lalu lintas.

2. Bagi pihak pemerintah Kabupaten Deli Serdang seperti pihak Satuan lalu lintas dan dinas Perhubungan hendaklah lebih memperhatikan faktor-faktor yang menyebabkan tingginya tingkat kecelakaan lalu lintas agar bisa mengambil kebijakan untuk mengurangi kecelakaan lalu lintas tersebut demi keselamatan masyarakat dan untuk mengurangi tingkat kematian di Kabupaten Deli Serdang yang disebabkan oleh kecelakaan lalu lintas.

DAFTAR PUSTAKA

Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi Kedua. Yogyakarta: BPFE.

Hartono. 2004. Satistika untuk Penelitian. Yogyakarta: Lembaga Studi Filsafat, Kemasyarakatan, Kependidikan dan Perempuan (LSFK2P).

Hartono. 2008. Analisis Data Statistika dan Penelitian dengan SPSS 16. Pekanbaru: Zanafa

Kantor Kepolisian Negara Republik Indonesia Daerah Sumatera Utara Direktorat Lalu Lintas. 2014. Anatomi Laka Lantas Polres Deli Serdang Laporan Tahunan: Januari sd Desember 2013. Deli Serdang: Ditlantas Polres Deli Serdang

Sudjana. 2002. Metoda Statistika Edisi ke-6. Bandung: Tarsito

Suharjo, Bambang. 2008. Analisis Regresi Terapan dengan SPSS. Graha Ilmu. Yogyakarta.

Sutarman, Marpongahtun, dkk. 2013. Panduan Tatacara Penulisan Tugas Akhir Edisi kedua. Medan: Fakultas Matematika dan Ilmu Pengetahuan Alam Unuversitas Sumatera Utara.

Walpole, E. Ronald. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia. Pustaka Utama.

Yamin, Sofyan., Rachmach, Lien, A., dan Kurniawan, Heri. 2011. Regresi dan Korelasi Dalam Genggaman Anda. Salemba Empat. Jakarta.

LAMPIRAN

Regression

Descriptive Statistics

Mean Std. Deviation N

Jumlah Kecelakaan 28.08 10.975 12

Manusia 18.42 5.299 12

Alam .58 .669 12

Kendaraan 5.58 3.029 12

Correlations

Jumlah

Kecelakaan Manusia Alam Kendaraan

Pearson Correlation Jumlah Kecelakaan 1.000 .847 .364 .586

Manusia .847 1.000 .156 .380

Alam .364 .156 1.000 .086

Kendaraan .586 .380 .086 1.000

Sig. (1-tailed) Jumlah Kecelakaan . .000 .122 .023

Manusia .000 . .314 .112

Alam .122 .314 . .395

N Jumlah Kecelakaan 12 12 12 12

Manusia 12 12 12 12

Alam 12 12 12 12

Kendaraan 12 12 12 12

Variables Entered/Removed

Model

Variables Entered

Variables

Removed Method

1 Kendaraan, Alam, Manusiaa

. Enter

a. All requested variables entered.

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .922a .850 .794 4.983

a. Predictors: (Constant), Kendaraan, Alam, Manusia

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 1126.254 3 375.418 15.118 .001a

Residual 198.662 8 24.833

Total 1324.917 11

a. Predictors: (Constant), Kendaraan, Alam, Manusia

b. Dependent Variable: Jumlah Kecelakaan

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

B Std. Error Beta t Sig.

1 (Constant) -6.771 5.503 -1.230 .253

Manusia 1.441 .309 .696 4.659 .002

Alam 3.773 2.276 .230 1.658 .136

Kendaraan 1.095 .537 .302 2.041 .076

Casewise Diagnosticsa

Case

Number Std. Residual

Jumlah

Kecelakaan Predicted Value Residual

1 -.478 22 24.38 -2.382

2 .163 19 18.19 .813

3 .113 18 17.44 .562

4 -.456 16 18.27 -2.272

5 .094 19 18.53 .467

6 -.532 20 22.65 -2.652

7 -.523 28 30.61 -2.606

8 -.213 29 30.06 -1.061

9 -.170 48 48.85 -.847

10 -1.002 37 41.99 -4.993

11 .675 37 33.64 3.365

12 2.329 44 32.39 11.607

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 17.44 48.85 28.08 10.119 12

Std. Predicted Value -1.052 2.052 .000 1.000 12

Standard Error of Predicted Value

1.744 4.283 2.785 .756 12

Adjusted Predicted Value 17.27 51.24 28.66 10.935 12

Residual -4.993 11.607 .000 4.250 12

Std. Residual -1.002 2.329 .000 .853 12

Stud. Residual -1.378 2.486 -.045 .979 12

Deleted Residual -9.443 13.226 -.580 5.763 12

Stud. Deleted Residual -1.476 4.878 .155 1.596 12

Mahal. Distance .430 7.209 2.750 1.981 12

Cook's Distance .001 .423 .090 .126 12

Centered Leverage Value .039 .655 .250 .180 12

Correlations

Correlations

Manusia Alam Kendaraan

Jumlah Kecelakaan

Manusia Pearson Correlation 1 .156 .380 .847**

Sig. (2-tailed) .628 .223 .001

N 12 12 12 12

Alam Pearson Correlation .156 1 .086 .364

Sig. (2-tailed) .628 .790 .244

N 12 12 12 12

Kendaraan Pearson Correlation .380 .086 1 .586*

Sig. (2-tailed) .223 .790 .045

N 12 12 12 12

Jumlah Kecelakaan Pearson Correlation .847** .364 .586* 1

Sig. (2-tailed) .001 .244 .045

N 12 12 12 12

**. Correlation is significant at the 0.01 level (2-tailed).

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 17.44 48.85 28.08 10.119 12

Std. Predicted Value -1.052 2.052 .000 1.000 12

Standard Error of Predicted Value

1.744 4.283 2.785 .756 12

Adjusted Predicted Value 17.27 51.24 28.66 10.935 12

Residual -4.993 11.607 .000 4.250 12

Std. Residual -1.002 2.329 .000 .853 12

Stud. Residual -1.378 2.486 -.045 .979 12

Deleted Residual -9.443 13.226 -.580 5.763 12

Stud. Deleted Residual -1.476 4.878 .155 1.596 12

Mahal. Distance .430 7.209 2.750 1.981 12

Cook's Distance .001 .423 .090 .126 12

Centered Leverage Value .039 .655 .250 .180 12

Correlations

Correlations

Manusia Alam Kendaraan

Jumlah Kecelakaan

Manusia Pearson Correlation 1 .156 .380 .847**

Sig. (2-tailed) .628 .223 .001

N 12 12 12 12

Alam Pearson Correlation .156 1 .086 .364

Sig. (2-tailed) .628 .790 .244

N 12 12 12 12

Kendaraan Pearson Correlation .380 .086 1 .586*

Sig. (2-tailed) .223 .790 .045

N 12 12 12 12

Jumlah Kecelakaan Pearson Correlation .847** .364 .586* 1

Sig. (2-tailed) .001 .244 .045

N 12 12 12 12

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).