48repository.ub.ac.id/1870/5/12.skripsi bab 4.pdf · 2020. 8. 11. · 48 berdasarkan data bps kota...

46
47 BAB IV HASIL DAN PEMBAHASAN 4.1 Gambar Wilayah Studi 4.1.1 Kota Malang Kota Malang terletak pada 112.06 o - 112.07 o Bujur Timur, 7.06 o 8.02 o Lintang Selatan dengan luas wilayah 110.06 km 2 dan berjarak + 90 km sebelah selatan Kota Surabaya. Kota Malang dibagi menjadi 5 Kecamatan yaitu Kecamatan Sukun, Kecamatan Lowokwaru, Kecamatan Klojen, Kecamatan Kedungkandang, dan Kecamatan Blimbing. Gambar 4.1 Peta Kota Malang Sumber :Puslitbang Kota Malang (2017)

Upload: others

Post on 26-Nov-2020

2 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

47

BAB IV

HASIL DAN PEMBAHASAN

41 Gambar Wilayah Studi

411 Kota Malang

Kota Malang terletak pada 11206 o

- 11207 o

Bujur Timur 706o ndash 802

o Lintang

Selatan dengan luas wilayah 11006 km2

dan berjarak + 90 km sebelah selatan Kota

Surabaya Kota Malang dibagi menjadi 5 Kecamatan yaitu Kecamatan Sukun Kecamatan

Lowokwaru Kecamatan Klojen Kecamatan Kedungkandang dan Kecamatan Blimbing

Gambar 41 Peta Kota Malang

Sumber Puslitbang Kota Malang (2017)

48

Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun

2015 adalah 851298 jiwa dengan rincian 419713 jiwa untuk penduduk berjenis kelamin

laki-laki dan 431585 untuk penduduk berjenis kelamin perempuan

Gambar 42 Jumlah Penduduk Kota Malang Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Malang Dalam Angka (2016)

Berdasarkan data BPS Kota MalangPerekonomian kota Malang dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang maju hal ini terbukti karena sektor

usaha yang menjadi penyumbang terbesar pada PDRB 2015 adalah Sektor Perdagangan

dengan 289 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2015 adalah

sektor Pertambangan dengan 01

49

Tabel 41

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Malang(miliar rupiah)

Sektor Usaha PDRB

2015

a Pertanian kehutanan dan Perikanan 1575 03

b Pertambangan 517 01

c Industri Pengolahan 137343 265

d Pengadaan Listrik dan Gas 145 003

e Pengadaan Air Pengelolaan sampah Limbah dan Daur Ulang 971 019

f Konstruksi 64965 1254

g Perdagangan bersar dan Eceran 149771 289

h Transportasi dan Pergudangan 12506 241

i Penyediaan Akomodasi dan Makan Minum 24847 479

j Informasi dan Komunikasi 20573 397

k Jasa Keuangan dan Asuransi 15385 297

l Real Estate 7296 141

mn Jasa Perusahaan 3995 077

o Administrasi Pemerintahan Pertahanan dan Jaminan Sosial

Wajib 7886

152

p Jasa Pendidikan 42245 815

q Jasa Kesehatan dan Kegiatan Sosial 12920 249

rstu Jasa Lainnya 15340 296

Total 5182798

Sumber BPS 2016

412 Kota Blitar

Kota Blitar adalah salah satu kota kecil yang ada di provinsi Jawa Timur Kota ini

terletak pada koordinat 112014rsquo ndash 112

028rsquo Bujur Timur dan 8

02rsquo ndash 8

08rsquo Lintang Selatan

dengan ketinggian kota berada pada +156 m dari permukaan laut Kota Blitar dibagi

menjadi 3 Kecamatan yaitu Kecamatan Kepanjenkidul Kecamatan Sananwetan dan

Kecamatan Sukorejo

50

Gambar 43 Peta Kota Blitar

Sumber Bappeda Kota Blitar (2017)

51

Menurut data BPS Kota Blitar rasio jumlah penduduk Kota Blitar antara laki-laki

dan perempuan memiliki rasio sebesar 9915 Untuk jumlah penduduk Kota Blitar

sebanyak 146155 jiwa dengan rincian Kecamatan Sananwetan dengan jumlah penduduk

sebesar 54193 jiwa Kecamatan Sukorejo sebanyak 49783 jiwa dan Kecamatan

Kepanjenkidul sebanyak 42179 jiwa

Gambar 44 Jumlah Penduduk Kota Blitar Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Blitar Dalam Angka (2016)

Berdasarkan data BPS Kota BlitarPerekonomian kota Blitar dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang cukup baik hal ini terbukti karena

sektor usaha ini menjadi penyumbang terbesar pada PDRB 2014 dengan persentase sebesar

2316 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2014 adalah sektor

Pertambangan dengan 001

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 2: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

48

Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun

2015 adalah 851298 jiwa dengan rincian 419713 jiwa untuk penduduk berjenis kelamin

laki-laki dan 431585 untuk penduduk berjenis kelamin perempuan

Gambar 42 Jumlah Penduduk Kota Malang Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Malang Dalam Angka (2016)

Berdasarkan data BPS Kota MalangPerekonomian kota Malang dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang maju hal ini terbukti karena sektor

usaha yang menjadi penyumbang terbesar pada PDRB 2015 adalah Sektor Perdagangan

dengan 289 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2015 adalah

sektor Pertambangan dengan 01

49

Tabel 41

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Malang(miliar rupiah)

Sektor Usaha PDRB

2015

a Pertanian kehutanan dan Perikanan 1575 03

b Pertambangan 517 01

c Industri Pengolahan 137343 265

d Pengadaan Listrik dan Gas 145 003

e Pengadaan Air Pengelolaan sampah Limbah dan Daur Ulang 971 019

f Konstruksi 64965 1254

g Perdagangan bersar dan Eceran 149771 289

h Transportasi dan Pergudangan 12506 241

i Penyediaan Akomodasi dan Makan Minum 24847 479

j Informasi dan Komunikasi 20573 397

k Jasa Keuangan dan Asuransi 15385 297

l Real Estate 7296 141

mn Jasa Perusahaan 3995 077

o Administrasi Pemerintahan Pertahanan dan Jaminan Sosial

Wajib 7886

152

p Jasa Pendidikan 42245 815

q Jasa Kesehatan dan Kegiatan Sosial 12920 249

rstu Jasa Lainnya 15340 296

Total 5182798

Sumber BPS 2016

412 Kota Blitar

Kota Blitar adalah salah satu kota kecil yang ada di provinsi Jawa Timur Kota ini

terletak pada koordinat 112014rsquo ndash 112

028rsquo Bujur Timur dan 8

02rsquo ndash 8

08rsquo Lintang Selatan

dengan ketinggian kota berada pada +156 m dari permukaan laut Kota Blitar dibagi

menjadi 3 Kecamatan yaitu Kecamatan Kepanjenkidul Kecamatan Sananwetan dan

Kecamatan Sukorejo

50

Gambar 43 Peta Kota Blitar

Sumber Bappeda Kota Blitar (2017)

51

Menurut data BPS Kota Blitar rasio jumlah penduduk Kota Blitar antara laki-laki

dan perempuan memiliki rasio sebesar 9915 Untuk jumlah penduduk Kota Blitar

sebanyak 146155 jiwa dengan rincian Kecamatan Sananwetan dengan jumlah penduduk

sebesar 54193 jiwa Kecamatan Sukorejo sebanyak 49783 jiwa dan Kecamatan

Kepanjenkidul sebanyak 42179 jiwa

Gambar 44 Jumlah Penduduk Kota Blitar Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Blitar Dalam Angka (2016)

Berdasarkan data BPS Kota BlitarPerekonomian kota Blitar dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang cukup baik hal ini terbukti karena

sektor usaha ini menjadi penyumbang terbesar pada PDRB 2014 dengan persentase sebesar

2316 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2014 adalah sektor

Pertambangan dengan 001

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 3: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

49

Tabel 41

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Malang(miliar rupiah)

Sektor Usaha PDRB

2015

a Pertanian kehutanan dan Perikanan 1575 03

b Pertambangan 517 01

c Industri Pengolahan 137343 265

d Pengadaan Listrik dan Gas 145 003

e Pengadaan Air Pengelolaan sampah Limbah dan Daur Ulang 971 019

f Konstruksi 64965 1254

g Perdagangan bersar dan Eceran 149771 289

h Transportasi dan Pergudangan 12506 241

i Penyediaan Akomodasi dan Makan Minum 24847 479

j Informasi dan Komunikasi 20573 397

k Jasa Keuangan dan Asuransi 15385 297

l Real Estate 7296 141

mn Jasa Perusahaan 3995 077

o Administrasi Pemerintahan Pertahanan dan Jaminan Sosial

Wajib 7886

152

p Jasa Pendidikan 42245 815

q Jasa Kesehatan dan Kegiatan Sosial 12920 249

rstu Jasa Lainnya 15340 296

Total 5182798

Sumber BPS 2016

412 Kota Blitar

Kota Blitar adalah salah satu kota kecil yang ada di provinsi Jawa Timur Kota ini

terletak pada koordinat 112014rsquo ndash 112

028rsquo Bujur Timur dan 8

02rsquo ndash 8

08rsquo Lintang Selatan

dengan ketinggian kota berada pada +156 m dari permukaan laut Kota Blitar dibagi

menjadi 3 Kecamatan yaitu Kecamatan Kepanjenkidul Kecamatan Sananwetan dan

Kecamatan Sukorejo

50

Gambar 43 Peta Kota Blitar

Sumber Bappeda Kota Blitar (2017)

51

Menurut data BPS Kota Blitar rasio jumlah penduduk Kota Blitar antara laki-laki

dan perempuan memiliki rasio sebesar 9915 Untuk jumlah penduduk Kota Blitar

sebanyak 146155 jiwa dengan rincian Kecamatan Sananwetan dengan jumlah penduduk

sebesar 54193 jiwa Kecamatan Sukorejo sebanyak 49783 jiwa dan Kecamatan

Kepanjenkidul sebanyak 42179 jiwa

Gambar 44 Jumlah Penduduk Kota Blitar Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Blitar Dalam Angka (2016)

Berdasarkan data BPS Kota BlitarPerekonomian kota Blitar dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang cukup baik hal ini terbukti karena

sektor usaha ini menjadi penyumbang terbesar pada PDRB 2014 dengan persentase sebesar

2316 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2014 adalah sektor

Pertambangan dengan 001

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 4: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

50

Gambar 43 Peta Kota Blitar

Sumber Bappeda Kota Blitar (2017)

51

Menurut data BPS Kota Blitar rasio jumlah penduduk Kota Blitar antara laki-laki

dan perempuan memiliki rasio sebesar 9915 Untuk jumlah penduduk Kota Blitar

sebanyak 146155 jiwa dengan rincian Kecamatan Sananwetan dengan jumlah penduduk

sebesar 54193 jiwa Kecamatan Sukorejo sebanyak 49783 jiwa dan Kecamatan

Kepanjenkidul sebanyak 42179 jiwa

Gambar 44 Jumlah Penduduk Kota Blitar Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Blitar Dalam Angka (2016)

Berdasarkan data BPS Kota BlitarPerekonomian kota Blitar dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang cukup baik hal ini terbukti karena

sektor usaha ini menjadi penyumbang terbesar pada PDRB 2014 dengan persentase sebesar

2316 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2014 adalah sektor

Pertambangan dengan 001

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 5: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

51

Menurut data BPS Kota Blitar rasio jumlah penduduk Kota Blitar antara laki-laki

dan perempuan memiliki rasio sebesar 9915 Untuk jumlah penduduk Kota Blitar

sebanyak 146155 jiwa dengan rincian Kecamatan Sananwetan dengan jumlah penduduk

sebesar 54193 jiwa Kecamatan Sukorejo sebanyak 49783 jiwa dan Kecamatan

Kepanjenkidul sebanyak 42179 jiwa

Gambar 44 Jumlah Penduduk Kota Blitar Tahun 2015 Berdasarkan Jenis Kelamin

Sumber Kota Blitar Dalam Angka (2016)

Berdasarkan data BPS Kota BlitarPerekonomian kota Blitar dapat berjalan dengan

baik karena didukung oleh Sektor perdagangan yang cukup baik hal ini terbukti karena

sektor usaha ini menjadi penyumbang terbesar pada PDRB 2014 dengan persentase sebesar

2316 Sedangkan yang menjadi penyumbang terkecil pada PDRB 2014 adalah sektor

Pertambangan dengan 001

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 6: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

52

Tabel 42

Produk Domestik Regional Bruto Atas Dasar Harga Berlaku di Kota Blitar (juta rupiah)

Sektor Usaha PDRB

2014

a Pertanian kehutanan dan Perikanan 1511285 347

b Pertambangan 3341 001

c Industri Pengolahan 4066326 934

d Pengadaan Listrik dan Gas 24977 006

e Pengadaan Air Pengelolaan sampah Limbah dan Daur

Ulang 69131 016

f Konstruksi 3395838 780

g Perdagangan bersar dan Eceran 10081525 2316

h Transportasi dan Pergudangan 1762864 405

i Penyediaan Akomodasi dan Makan Minum 2088388 4798

j Informasi dan Komunikasi 4713623 1083

k Jasa Keuangan dan Asuransi 466897 1073

l Real Estate 1636002 376

mn Jasa Perusahaan 334866 077

o Administrasi Pemerintahan Pertahanan dan Jaminan

Sosial Wajib 3029856

696

p Jasa Pendidikan 309336 711

q Jasa Kesehatan dan Kegiatan Sosial 835206 192

rstu Jasa Lainnya 2212406 508

Total 4352794

Sumber BPS 2016

42 Karakteristik Jalan dan Lalu Lintas

421 Ruas Jalan yang Dikaji di Kota Malang

a Jalan Borobudur

Jalan Borobudur merupakan salah satu jalan yang padat di Kota Malang Tata guna

lahan di Jalan Borobudur terdapat pertokoan dan pasar Dengan adanya pasar maka

kegiatan lalu lintas di daerah ini sering mengalami kemacetan

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 7: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

53

18 m 1 m 405 m 405 m 25 m 335 m 335 m 15 m

216 m

BIBLIO CAD

Trotoar Jalur Lalu Lintas Median Jalur Lalu Lintas TrotoarBahu Jalan

Gambar 45 Penampang Melintang Jalan Borobudur Kota Malang

180

050

405

405

250

335

335

150

Trotoar

Trotoar

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 46 Penampang Memanjang Jalan Borobudur Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

14278 smpjam dan untuk arah Barat yaitu sebesar 17461 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam dan kecepatan untuk arah

Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4154

kmjam

Data penentuan volume jam puncak ditentukan dari 3 waktu survey yaitu pagi

siang dan sore

TIMUR

BARAT

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 8: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

54

Tabel 43

Penentuan Volume Jam Puncak

Waktu MC

(025)

LV (1) HV

(13)

Total

0600-0700 650 508 11 1169

0605-0705 686 526 10 1222

0610-0710 705 534 11 1250

0615-0715 708 534 11 1253

0620-0720 734 531 12 1277

0625-0725 746 535 14 1295

0630-0730 763 541 18 1322

0635-0735 780 541 17 1338

0640-0740 801 550 17 1367

0645-0745 822 564 18 1404

0650-0750 833 577 18 1428

0655-0755 833 567 16 1416

0700-0800 826 556 17 1399

Jam Puncak Weekend Weekday

T - B B - T Total T - B B - T Total

Pagi 946 885 1830 1746 1428 3174

Siang 1056 1177 2233 1082 1251 2333

Sore 996 1025 2021 1197 1144 2342

Sedangkan kecepatan pada ruas Jalan Borobudur arah Timur sebesar 4540 kmjam

dan kecepatan untuk arah Barat sebesar 3769 kmjam Di daerah ini memiliki kecepatan

rata-rata sebesar 4511 kmjam Data kecepatan yang digunakan adalah 85 kecepatan

Dari 3 jam puncak yang ditentukan dipilih salah satu yang memiliki kecepatan yang

tertinggi Kemudian untuk mencari data kecepatan perlu diambil range data kecepatan

kendaraan dengan rumus r= (kecepatan maksimum) - (dengan kecepatan minimum)

Kemudian dicari kelas data dengan rumus k = 1 + 33 log (jumlah kendaraan) kemudian

dicari interval kecepatan dengan rumus c = rk Perhitungan dibawah merupakan contoh

perhitungan tipe kendaraan sepeda motor pada ruas Borobudur ke arah timur

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 9: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

55

MC (Motor Cycle)

r(range data) = nilai kecepatan max - nilai kecepatan min

= 8978 - 2389

= 6589

k(kelas ) = 100 + 330 log 12000

= 100 + 686

= 786

c(interval) = rk

= 838

Kemudian dari data diatas dibentuk tabel 44 untuk mencari 85 kecepatan operasional

sepeda motor

Tabel 44

Pengolahan Data Kecepatan dengan Metode Statistik

Kecepatan x

Sepeda Motor

frekuensi frekuensi

kumulatif

23889 32270 28079 5 5 416667

32270 40651 36460 10 15 125

40651 49032 44841 46 61 508333

49032 57413 53223 34 95 791667

57413 65794 61604 22 117 975

65794 74176 69985 0 117 975

74176 82557 78366 2 119 991667

82557 90938 86747 0 119 991667

9094 9932 95129 100 120 100

Gambar 47 Grafik Interpolasi Kecepatan 85

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 10: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

56

Data kecepatan LV(Light Vehicle) dan HV(Heavy Vehicle) dilakukan sesuai dengan cara

sebelumnya dan diambil rata ratanya seperti terlihat pada tabel 45

Tabel 45

Rata-rata 85 kecepatan kendaraan MC LV dan HV

Kecepatan Jumlah Rata-rata

MC 5589 12000

453968846 LV 4097 17700

HV 3006 3100

b Jalan Ikan Tombro

Jalan Ikan Tombro padat pada jam-jam tertentu dikarenakan terdapat sekolah di

sekitar jalan tersebut

Jalur Lalu Lintas

2 m 2 m

4 m

Gambar 48 Penampang Melintang Jalan Ikan Tombro Kota Malang

20

020

040

0

Badan Jalan

Gambar 49 Penampang Memanjang Jalan Ikan Tombro Kota Malang

Pada ruas Jalan Ikan Tombro dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 200125 smpjam Sedangkan kecepatan

pada ruas Jalan Ikan Tombro pada arah Utara sebesar 4282 kmjam dan kecepatan untuk

arah Selatan sebesar 4729 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar

4506 kmjam

c Jalan Ahmad Yani

Jalan A Yani merupakan salah satu jalan yang padat di Kota Malang

UTARA

SELATAN

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 11: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

57

22 m 405 m 405 m 34 m 34 m 15 m

BIBLIO CAD

191 m

Trotoar Jalur Lalu Lintas Jalur Lalu Lintas Trotoar

Median

05 m

Gambar 410 Penampang Melintang Jalan Ahmad Yani Kota Malang

Trotoar

Badan Jalan

Badan Jalan

22

08

10

05

03

40

34

01

50

Trotoar

Gambar 411 Penampang Memanjang Jalan Ahmad Yani Kota Malang

Dari data volume kendaraan di ruas Jalan Ahmad Yani diperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 4910 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4868 kmjam dan kecepatan untuk arah Selatan sebesar 5057 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4963 kmjam

d Jalan Patimura

Jalan Pattimura digunakan sebagai daerah pertokoan sehingga banyak hambatan

samping yang berupa kendaraan yang parker

TrotoarTrotoar Jalur Lalu Lintas

15 m 455 m 455 m 15 m

BIBLIO CAD

1211 m

Gambar 412 Penampang Melintang Jalan Patimura Kota Malang

UTARA

SELATAN

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 12: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

58

150

450

150

460

Trotoar

Trotoar

Badan Jalan

Gambar 413 Penampang Memanjang Jalan Pattimura Kota Malang

Dari data volume kendaraan diperoleh volume jam puncak pada arah Timur yaitu

1974 smpjam dan untuk arah Barat yaitu sebesar 42705 smpjam Sedangkan kecepatan

pada ruas Jalan Borobudur arah Timur sebesar 4529 kmjam dan kecepatan untuk arah

Barat sebesar 4409 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4469

kmjam

e Jalan Jenderal Basuki Rahmat

Jalan Jend Basuki Rahmat merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahannya pun diperuntukkan sebagai daerah komersil sehingga terdapat kegiatan

lalu lintas yang dinamis

2 m 23 m 5 m 32 m 33 m 3 m 22 m 2 m

239 m

BIBLIO CAD

Trotoar Bahu Jalan Jalur Lalu Lintas Jalur Lalu Lintas Bahu Jalan Trotoar

Median

09 m

Gambar 414 Penampang Melintang Jalan Basuki Rahmat Kota Malang

20

022

042

032

009

033

030

022

020

0

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 415 Penampang Memanjang Jalan Basuki Rahmat Kota Malang

BARAT

TIMUR

SELATAN

UTARA

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 13: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

59

Dari data volume kendaraan di ruas Jalan Basuki Rahmat diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 3299 smpjam Di daerah ini memiliki

kecepatan rata-rata sebesar 598 kmjam

f Jalan Nusakambangan

Tata guna lahan di jalan Nusakambangan digunakan sebagai daerah pertokoan dan

terdapat bangunan Rumah Sakit

BIBLIO CAD

15 m 445 m 445 m 15 m

119 m

Trotoar Jalur Lalu Lintas Trotoar

Gambar 416 Penampang Melintang Jalan Nusakambangan Kota Malang

15

01

50

45

04

50

Trotoar

Trotoar

Badan Jalan

Gambar 417 Penampang Memanjang Jalan Nusakambangan Kota Malang

Pada ruas Jalan Nusakambangan dari data volume kendaraan diperoleh volume jam

puncak pada arah Barat yaitu 4695 smpjam dan untuk arah Timur yaitu sebesar 22645

smpjam Sedangkan kecepatan pada ruas Jalan Borobudur arah Barat sebesar 4204

kmjam dan kecepatan untuk arah Timur sebesar 4146 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4175 kmjam

g Jalan Raya Langsep

Jalan Raya Langsep merupakan salah satu jalan di Kota Malang yang digunakan

untuk komersil dan untuk area sekolah Kegiatan lalu lintas padat pada jam ndash jam tertentu

BARAT

TIMUR

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 14: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

60

Median

Jalur Lalu LintasJalur Lalu LintasBahuJalan Bahu Jalan

36 m 36 m08 m 4 m 33 m 33 m 15 m

201 m

BIBLIO CAD

Gambar 418 Penampang Melintang Jalan Raya Langsep Kota Malang

150

330

330

400

360

360

080

Bahu Jalan

Bahu Jalan

Badan Jalan

Badan Jalan

Gambar 419 Penampang Memanjang Jalan Raya Langsep Kota Malang

Dari data volume kendaraan di ruas Jalan Raya Langsepdiperoleh total volume jam

puncak pada arah Utara dan Selatan sebesar 5578 smpjam Sedangkan kecepatan pada

arah Utara sebesar 4611 kmjam dan kecepatan untuk arah Selatan sebesar 4560 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4585 kmjam

h Jalan Sudanco Supriadi

Jalan Sudanco Supriadi merupakan salah satu jalan yang padat di Kota Malang

Tata guna lahan diperuntukan untuk perumahan warga dan pertokoan (apotik Metro

Husada bengkel motor AHASS warung makan dsb)

Jalur Lalu LintasBahuJalan

BahuJalan TrotoarTrotoar

BIBLIO CAD

12 m 1 m 525 m 525 m05m 12 m

144 m

Gambar 420 Penampang Melintang Jalan Sudanco Supriadi Kota Malang

SELATAN

UTARA

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 15: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

61

12

01

00

55

05

00

05

01

20

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 421 Penampang Memanjang Jalan Sudanco Supriadi Kota Malang

Pada ruas Jalan Sudanco Supriadi dari data volume kendaraan diperoleh total

volume jam puncak pada arah Barat dan Timur sebesar 2732 smpjam Sedangkan

kecepatan pada arah Barat sebesar 5286 kmjam dan kecepatan untuk arah Timur sebesar

4427 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4856 kmjam

i Jalan Laksda Adi Sucipto

Jalan Laksda Adi Sucipto merupakan salah satu jalan padat di Kota Malang

dikarenakan terdapat rel kereta api di jalan tersebut Tata guna lahan diperuntukan untuk

pertokoan

Jalur Lalu LintasBahuJalan

BahuJalan

07 m 455 m 455 m

07 m

105 m

BIBLIO CAD

Gambar 422 Penampang Melintang Jalan Laksda Adi Sucipto Kota Malang

07

04

55

45

50

70

Bahu Jalan

Bahu Jalan

Badan Jalan

Gambar 423 Penampang Memanjang Jalan Laksda Adi Sucipto Kota Malang

BARAT

TIMUR

BARAT

TIMUR

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 16: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

62

Pada ruas Jalan Laksda Adi Sucipto dari data volume kendaraan diperoleh volume

jam puncak pada arah Timur yaitu 73565 smpjam dan untuk arah Barat yaitu sebesar

16425 smpjam Sedangkan kecepatan pada ruas Jalan Laksda Adi Sucipto arah Timur

sebesar 4538 kmjam dan kecepatan untuk arah Barat sebesar 4336 kmjam Di daerah ini

memiliki kecepatan rata-rata sebesar 4437 kmjam

j Jalan Raya Sawojajar

Jalan Raya Sawojajar merupakan salah satu jalan lokal di Kota Malang Untuk tata

guna lahan di jalan ini digunakan sebagai area pertokoan masjid dan area sekolah

Kegiatan lalu lintas di daerah ini tidak begitu padat dan cenderung lancer

3 m3 m

BIBLIO CAD

225 m

825 m

Bahu Jalan Jalur Lalu Lintas

Gambar 424 Penampang Melintang Jalan Raya Sawojajar Kota Malang

22

530

030

0

Bahu Jalan

Badan Jalan

Gambar 425 Penampang Memanjang Jalan Raya Sawojajar Kota Malang

Pada ruas Jalan Raya Sawojajar dari data volume kendaraan diperoleh total volume

jam puncak pada arah Utara dan Selatan sebesar 611 smpjam Sedangkan kecepatan di

ruas Jalan Raya Sawojajar pada arah Utara sebesar 4062 kmjam dan kecepatan untuk arah

Selatan sebesar 4583 kmjam Di daerah ini memiliki kecepatan rata-rata sebesar 4322

kmjam

SELATAN

UTARA

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 17: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

63

Tabel 46

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Malang

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

85 persentil

(kmjam)

Jalan

Borobudur

Arteri 42 D 2 ke Timur 81 - 142775 317380 4540

2 Ke Barat 68 05 m (diperkeras) 174605 3769

Jalan Ikan

Tombro

Arteri 22 UD 1 Ke Utara 2 - 200125 4282

1 Ke Selatan 2 - 4729

Jalan Ahmad

Yani

Arteri 42 D 2 Ke Utara 81 - 4910 4868

2 Ke Selatan 68 - 5057

Jalan Pattimura Kolektor 22 UD 1 Ke Timur 45 - 19740 62445 4529

1 Ke Barat 46 - 42705 4409

Basuki Rahmat Kolektor 42 D 2 Ke Utara 73 22 m (diperkeras) 3299

2 Ke Selatan 74 22 m (diperkeras)

Nusakambangan Kolektor 22 UD 1 Ke Barat 45 - 46950 62445 4204

1 Ke Timur 45 - 22645 4146

Raya Langsep Kolektor 42 D 2 Ke Utara 66 15 m (tidak diperkeras) 5578 4611

2 Ke Selatan 72 08 m (diperkeras) 4560

S Supriadi Kolektor 22 UD 1 Ke Barat 5 05 m (diperkeras) 2732 5286

1 Ke Timur 55 1 m (diperkeras) 4427

Laksda Adi

Sucipto

Kolektor 22 UD 1 Ke Timur 45 07 m (diperkeras) 73565 237815 4538

1 Ke Barat 45 07 m (diperkeras) 164250 4336

Raya Sawojajar Lokal 22 UD 1 Ke Utara 3 - 611 4062

1 Ke Selatan 3 225 m (tidak diperkeras) 4583

63

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 18: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

64

422 Ruas Jalan yang Dikaji di Kota Blitar

a Jalan Tanjung

Jalan Tanjung merupakan salah satu jalan terpadat di Kota Blitar

174 m

235 m 235 m 235 m 235 m

BIBLIO CAD

2 m2 m 2 m 2 m

Trotoar Bahu JalanJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu LintasJalur

Lalu Lintas Bahu Jalan Trotoar

Gambar 426 Penampang Melintang Jalan Tanjung Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

200

200

470

470

200

200

Gambar 427 Penampang Memanjang Jalan Raya Tanjung Kota Blitar

Pada ruas Jalan Tanjung dari data volume kendaraan diperoleh volume jam puncak

pada arah Timur yaitu 59670 smpjam dan untuk arah Barat yaitu sebesar 64785 smpjam

Sedangkan kecepatan pada ruas Jalan Tanjung arah Timur sebesar 5720 kmjam dan

kecepatan untuk arah Barat sebesar 4939 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 5329 kmjam

b Jalan Raya Kediri ndash Blitar

Jalan Raya Kediri ndash Blitar merupakan salah satu jalan arteri di Kota Blitar

153 m

3 m 2 m 35 m 35 m 13 m 2 m

Trototar Bahu Jalan Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BIBLIO CAD

Gambar 428 Penampang Melintang Jalan Raya Kediri ndash Blitar Kota Blitar

BARAT

TIMUR

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 19: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

65

Bahu Jalan

Bahu Jalan

Badan Jalan

Gorong-gorong

30

020

035

035

013

020

0

Gambar 429 Penampang Memanjang Jalan Raya Kediri ndash Blitar Kota Blitar

Dari data volume kendaraan pada ruas Jalan Raya Kediri - Blitar diperoleh volume

jam puncak pada arah Barat yaitu 46885 smpjam dan untuk arah Timur yaitu sebesar

41205 smpjam Sedangkan kecepatan pada ruas Jalan Raya Kediri - Blitar arah Barat

sebesar 5215 kmjam dan kecepatan untuk arah Timur sebesar 5246 kmjam Di daerah

ini memiliki kecepatan rata-rata sebesar 5230 kmjam

c Jalan Jati

Jalan Jati merupakan salah satu jalan padat di Kota Blitar

35 m35 m15 m 15 m

Trotoar

BahuJalanTrotoar

08m15 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan

BIBLIO CAD

Gambar 430 Penampang Melintang Jalan Jati Kota Blitar

Gorong-gorong

Bahu Jalan

Gorong-gorongBahu Jalan

Badan Jalan

15

01

50

35

03

50

15

00

80

Gambar 431 Penampang Memanjang Jalan Jati Kota Blitar

Dari data volume kendaraan pada ruas Jalan Jati diperoleh volume jam puncak pada

arah Utara yaitu 2178 smpjam dan untuk arah Selatan yaitu sebesar 24225 smpjam

Sedangkan kecepatan pada ruas Jalan Jati arah Utara sebesar 4299 kmjam dan kecepatan

untuk arah Selatan sebesar 4326 kmjam Di daerah ini memiliki kecepatan rata-rata

sebesar 4312 kmjam

BARAT

TIMUR

SELATAN

UTARA

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 20: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

66

d Jalan Bendo

Jalan Bendo merupakan salah satu jalan kolektor di Kota Blitar

15 m 325 m 325 m 2 m

10 m

Jalur Lalu Lintas

BIBLIO CAD

Jalur Lalu Lintas Bahu JalanBahuJalan

Gambar 432 Penampang Melintang Jalan Bendo Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

15

032

532

520

0

Gambar 433 Penampang Memanjang Jalan Bendo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bendodiperoleh volume jam puncak

pada arah Timur yaitu 20435 smpjam dan untuk arah Barat yaitu sebesar 4032 smpjam

Sedangkan kecepatan pada ruas Jalan Bendo arah Timur sebesar 4559 kmjam dan

kecepatan untuk arah Barat sebesar 4129 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4344 kmjam

e Jalan Bengawan Solo

93 m

1 m 15 m08m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan Trotoar

3 m 3 m

BIBLIO CAD

Gambar 434 Penampang Melintang Jalan Bengawan Solo Kota Blitar

BARAT

TIMUR

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 21: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

67

Bahu Jalan

Bahu JalanGorong-gorong

Badan Jalan

10

03

00

30

01

50

08

0

Gambar 435 Penampang Memanjang Jalan Bengawan Solo Kota Blitar

Dari data volume kendaraan pada ruas Jalan Bengawan Solo diperoleh volume jam

puncak pada arah Utara yaitu 30055 smpjam dan untuk arah Selatan yaitu sebesar 25045

smpjam Sedangkan kecepatan pada ruas Jalan Bengawan Solo arah Utara sebesar 4453

kmjam dan kecepatan untuk arah Selatan sebesar 4393 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4423 kmjam

f Jalan Karanggayam

Jalur Lalu Lintas Jalur Lalu Lintas Bahu JalanBahuJalan

BIBLIO CAD

29 m 29 m 21 m14 m

93 m

Gambar 436 Penampang Melintang Jalan Karanggayam Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

02

90

29

02

10

Gambar 437 Penampang Memanjang Jalan Karanggayam Kota Blitar

Dari data volume kendaraan pada ruas Jalan Karanggayam diperoleh volume jam

puncak pada arah Timur yaitu 2213 smpjam dan untuk arah Barat yaitu sebesar 20915

smpjam Sedangkan kecepatan pada ruas Jalan Karanggayam arah Timur sebesar 5064

kmjam dan kecepatan untuk arah Barat sebesar 4487 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 4775 kmjam

SELATAN

UTARA

BARAT

TIMUR

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 22: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

68

g Jalan Ir Soekarno

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan TrotoarBahu JalanTrotoar

BIBLIO CAD

456 m456 m18 m 15 m13 m18 m

Gambar 438 Penampang Melintang Jalan Ir Soekarno Kota Blitar

Bahu Jalan

Bahu Jalan

Trotoar

Trotoar

Badan Jalan

180

180

455

455

130

150

Gambar 439 Penampang Memanjang Jalan Ir Soekarno Kota Blitar

Dari data volume kendaraan pada ruas Jalan Ir Soekarno diperoleh volume jam

puncak pada arah Selatan yaitu 23305 smpjam dan untuk arah Utara yaitu sebesar 45945

smpjam Sedangkan kecepatan pada ruas Jalan Ir Soekarno arah Selatan sebesar 5857

kmjam dan kecepatan untuk arah Utara sebesar 4979 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5418 kmjam

h Jalan Mastrip

BIBLIO CAD

41 m41 m08m 2 m

05m

115 m

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

BahuJalan

Gambar 440 Penampang Melintang Jalan Mastrip Kota Blitar

SELATAN

UTARA

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 23: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

69

Trotoar

Bahu Jalan

Bahu Jalan

Badan Jalan

08

04

10

41

00

50

20

0

Gambar 441 Penampang Memanjang Jalan Mastrip Kota Blitar

Dari data volume kendaraan pada ruas Jalan Mastrip diperoleh volume jam puncak

pada arah Timur yaitu 434 smpjam dan untuk arah Barat yaitu sebesar 41825 smpjam

Sedangkan kecepatan pada ruas Jalan Mastrip arah Timur sebesar 5299 kmjam dan

kecepatan untuk arah Barat sebesar 4633 kmjam Di daerah ini memiliki kecepatan rata-

rata sebesar 4966 kmjam

i Jalan Imam Bonjol

45 m45 m1 m 2 m15 m2 m

BIBLIO CAD

Jalur Lalu Lintas Jalur Lalu LintasBahuJalan Trotoar

Bahu JalanTrotoar

155 m

Gambar 442 Penampang Melintang Jalan Imam Bonjol Kota Blitar

Trotoar

Trotoar

Bahu Jalan

Bahu Jalan

200

100

450

450

150

200

Gambar 443 Penampang Memanjang Jalan Imam Bonjol Kota Blitar

BARAT

TIMUR

SELATAN

UTARA

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 24: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

70

Dari data volume kendaraan pada ruas Jalan Imam Bonjol diperoleh volume jam

puncak pada arah Utara yaitu 46440 smpjam dan untuk arah Selatan yaitu sebesar 22155

smpjam Sedangkan kecepatan pada ruas Jalan Imam Bonjol arah Utara sebesar 5524

kmjam dan kecepatan untuk arah Selatan sebesar 5553 kmjam Di daerah ini memiliki

kecepatan rata-rata sebesar 5438 kmjam

j Jalan Umum Desa Kauman

BahuJalan

JalurLalu Lintas

2 m 2 m 16 m16 m

72 m

JalurLalu Lintas

BahuJalan

Gambar 444 Penampang Melintang Jalan Umum Desa Kauman Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

16

016

020

020

0

Gambar 445 Penampang Memanjang Jalan Umum Desa Kauman Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Kauman diperoleh

volume jam puncak pada arah Selatan yaitu 8625 smpjam dan untuk arah Utara yaitu

sebesar 9215 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Kauman arah

Selatan sebesar 4299 kmjam dan kecepatan untuk arah Utara sebesar 4487 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4393 kmjam

k Jalan Umum Desa Selokajang

Bahu JalanJalur

Lalu LintasJalur

Lalu LintasBahuJalan

2 m 2 m 17 m23 m

8 m

Gambar 446 Penampang Melintang Jalan Umum Desa Selokajang Kota Blitar

SELATAN

UTARA

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 25: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

71

Bahu Jalan

Bahu Jalan

Badan Jalan

23

020

020

017

0

Gambar 447 Penampang Memanjang Jalan Umum Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Umum Desa Selokajang diperoleh

volume jam puncak pada arah Utara yaitu 453 smpjam dan untuk arah Selatan yaitu

sebesar 4805 smpjam Sedangkan kecepatan pada ruas Jalan Umum Desa Selokajang arah

Utara sebesar 4860 kmjam dan kecepatan untuk arah Selatan sebesar 4431 kmjam Di

daerah ini memiliki kecepatan rata-rata sebesar 4645 kmjam

l Jalan Simpang 4 Desa Selokajang

3 m 3 m 16 m14 m

9 m

BahuJalan Jalur Lalu Lintas Jalur Lalu Lintas

BahuJalan

Gambar 448 Penampang Melintang Jalan Simpang 4 Desa Selokajang Kota Blitar

Bahu Jalan

Bahu Jalan

Badan Jalan

14

016

014

016

0

Gambar 449 Penampang Memanjang Jalan Simpang 4 Desa Selokajang Kota Blitar

Dari data volume kendaraan pada ruas Jalan Simpang 4 Desa Selokajang diperoleh

volume jam puncak pada arah Timur yaitu 3530 smpjam dan untuk arah Barat yaitu

sebesar 2980 smpjam Sedangkan kecepatan pada ruas Jalan Simpang 4 Desa Selokajang

arah Timur sebesar 4498 kmjam dan kecepatan untuk arah Barat sebesar 4680 kmjam

Di daerah ini memiliki kecepatan rata-rata sebesar 4589 kmjam

SELATAN

UTARA

BARAT

TIMUR

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 26: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

72

Tabel 47

Rekapitulasi Karakteristik Geometrik dan Karakteristik Lalu Lintas Kota Blitar

Nama Jalan Fungsi

Jalan

Tipe

Jalan

Jumlah

Lajur

Arah Lebar

Lajur

Bahu Jalan Volume Jam

Puncak

(SMPJam)

Volume

Total

Kecepatan

(kmjam)

Jalan Tanjung Arteri 22 UD 1 Timur 47 2 m (diperkeras) 5967

124455 5720

1 Barat 47 2 m (diperkeras) 64785 4939

Jalan Raya

Kediri-Blitar Arteri 22 UD

1 Barat 35 2 m (tidak diperkeras) 46885 8809

5215

1 Timur 35 13 m (tidak diperkeras) 41205 5246

Jalan Jati Kolektor 22 UD 1 Utara 35 15 m (tidak diperkeras) 2178

46305 4299

1 Selatan 35 15 m (tidak diperkeras) 24225 4326

Jalan Bendo Kolektor 22 UD 1 Timur 325 15 m (tidak diperkeras) 20435

60755 4559

1 Barat 325 15 m (tidak diperkeras) 4032 4129

Jalan Bengawan

Solo Kolektor 22 UD

1 Utara 3 1 m (tidak diperkeras) 30055 551

4453

1 Selatan 3 15 m (tidak diperkeras) 25045 4393

Jalan

Karanggayam Kolektor 22 UD

1 Timur 29 14 m (tidak diperkeras) 2213 43045

5064

1 Barat 29 21 m (tidak diperkeras) 20915 4487

Jalan Ir

Soekarno Kolektor 22 UD

1 Selatan 45 18 m (tidak diperkeras) 23305 6925

5857

1 Utara 46 13 m (tidak diperkeras) 45945 4979

Jalan Mastrip Kolektor 22 UD 1 Timur 41 08 m (diperkeras) 434

85225 5299

1 Barat 41 05 m (diperkeras) 41825 4633

Jalan Imam

Bonjol Kolektor 22 UD

1 Selatan 45 1 m(diperkeras) 22155 68595

5353

1 Utara 45 15 m (diperkeras) 4644 5524

Jalan Umum

Desa Kauman Kolektor 22 UD

1 Selatan 2 16 m(tidak diperkeras) 8625 1784

4299

1 Utara 2 16 m(tidak diperkeras) 9215 4487

Jalan Umum

Desa Selokajang Kolektor 22 UD

1 Utara 2 23 m (tidak diperkeras) 453 9335

4860

1 Selatan 2 17 m (tidak diperkeras) 4805 4431

Jalan Simpang 4

Desa Selokajang Lokal 22 UD

1 Timur 3 14 m (tidak diperkeras) 353 651

4498

1 Barat 3 16 m(tidak diperkeras) 298 4680

72

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 27: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

73

43 Karakteristik Kecelakaan di Lokasi Jalan yang Dikaji

431 Jenis Kecelakaan

Jenis Tabrakan yang terjadi dibagi menjadi 3 yaitu Tabrak Depan Tabrak Samping

dan Tabrak Belakang Berdasarkan Tabel 45 dan tabel 46 dapat diketahui jumlah tabrak

samping dan tabrak belakang yang terjadi di Kota Malang maupun di Kota Blitar memiliki

frekuensi yang sama Persentase kejadian tabrak samping dan tabrak belakang di Kota

Malang mencapai angka 364 sedangkan Kota Blitar memiliki persentase tabrak

samping dan tabrak belakang sebesar 44

Tabel 48

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Kecelakaan Frekuensi Persentase

()

1 Tabrak Depan 3 273

2 Tabrak Samping 4 364

3 Tabrak Belakang 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 49

Jenis Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Tabrakan Frekuensi Persentase

()

1 Tabrak Depan 2 8

2 Tabrak Samping 11 44

3 Tabrak Belakang 11 44

4 Jatuh Sendiri 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

432 Waktu Kejadian

Dari tabel 47 dan tabel 48 dapat diketahui bahwa rentang waktu 0600-1159 WIB

merupakan rentang waktu paling banyak terjadinya kecelakaan Pada rentang waktu

tersebut 636 kecelakaan terjadi di Kota Malang sedangkan di Kota Blitar persentase

terjadinya kecelakaan mencapai 56

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 28: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

74

Tabel 410

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 7 636

2 1200-1759 WIB 2 182

3 1800-2359 WIB 1 91

4 0000-0559 WIB 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 411

Waktu Kejadian Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Waktu Frekuensi Persentase

()

1 0600-1159 WIB 14 56

2 1200-1759 WIB 1 4

3 1800-2359 WIB 3 12

4 0000-0559 WIB 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

433 Cuaca Saat Kejadian

Berdasarkan data yang diperoleh dari POLDA JATIM didapatkan kondisi cuaca

saat terjadinya kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota

Blitar Kondisi cuaca yang dimaksud adalah cerah berawan dan hujan Dari tabel 49 dan

tabel 410 diketahui bahwa kecelakaan yang melibatkan pengguna sepeda di Kota Maland

dan Kota Blitar mayoritas terjadi pada cuaca cerah 909 kecelakaan di Kota Malang

terjadi pada cuaca cerah sedangkan di Kota Blitar92 kecelakaan terjadi pada cuaca

cerah

Tabel 412

Cuaca Saat Terjadinya Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang

No Cuaca Frekuensi Persentase

()

1 Cerah 10 909

2 Berawan 1 91

3 Hujan 0 0

Jumlah 11 100

Sumber POLDA JATIM 2017

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 29: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

75

Tabel 413

Cuaca saat terjadinya kecelakaan yang Melibatkan Pengguna Sepeda di Kota Blitar

No Cuaca Frekuensi Persentase

()

1 Cerah 23 92

2 Berawan 1 4

3 Hujan 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

434 Jenis Cedera

Data jenis cedera yang terjadi diperoleh dari POLDA JATIM Jenis Cedera yang

terjadi dibagi menjadi 3 yaitu luka ringan luka berat dan Meninggal Dunia Dari Tabel

411 dan Tabel 412 dapat diketahui bahwa jenis cedera dengan frekuensi paling banyak

terjadi di Kota Malang dan Kota Blitar adalah Luka Ringan Di Kota Malang 818

cedera yang terjadi adalah luka ringan Sedangkan di Kota Blitar jenis Cedera luka ringan

memiliki persentase kejadian sebesar 72

Tabel 414

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Malang

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 9 818

2 Luka Berat 0 0

3 Meninggal Dunia 2 182

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 415

Jenis Cedera yang Melibatkan Pengguna Sepeda di Kota Blitar

No Jenis Cedera Frekuensi Persentase

()

1 Luka Ringan 18 72

2 Luka Berat 0 0

3 Meninggal Dunia 7 28

Jumlah 25 100

Sumber POLDA JATIM 2017

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 30: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

76

435 Jumlah Kerugian

Berdasarkan data yang dari POLDA JATIM didapat jumlah kerugian pengguna

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari Tabel 413 dan tabel

414 dapat diketahui bahwa rentang jumlah kerugian yang paling banyak di Kota Malang

maupun Kota Blitar adalah Rp 100000 - Rp 200000 Persentase kerugian Rp 100000 ndash

Rp 200000 di Kota Malang mecakup 455 Sedangkan di Kota Blitar kerugian dengan

jumlah Rp 100000 - Rp 200000 mencakup 52 dari keseluruhan kasus yang terjadi

Tabel 416

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 0 0

2 Rp 100000 - Rp 200000 5 455

3 Rp 201000 - Rp 300000 2 182

4 Rp 401000 - Rp 500000 3 273

5 gtRp 500000 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 417

Jumlah Kerugian Pengguna Sepeda yang Terlibat Kecelakaan di Blitar

No Tingkat Penghasilan Frekuensi Persentase

()

1 ltRp 100000 2 8

2 Rp 100000 - Rp 200000 13 52

3 Rp 201000 - Rp 300000 6 24

4 Rp 401000 - Rp 500000 2 8

5 gtRp 500000 1 4

6 Tidak Diketahui 1 4

Jumlah 25 100

Sumber POLDA JATIM 2017

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 31: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

77

Rekapitulasi Karakteristik Kecelakaan di Kota Malang dan Kota Blitar

Tabel 418 Rekapitulasi Karakteristik Kecelakaan yang Dominan

Variabel Kota Malang Kota Blitar

Waktu Kejadian 0600 ndash 1159 WIB 0600 ndash 1159

Jenis Kecelakaan Tabrak Samping dan

Tabrak Belakang

Tabrak Samping dan

Tabrak Belakang

Jenis Cedera Luka Ringan Luka Ringan

Jumlah

Kerugian Rp 100000 ndash Rp 200000 Rp 100000 ndash Rp 200000

Cuaca Cerah Cerah

Sumber Hasil Survei (2017)

44 Karakteristik Pengendara

441 Jenis Kelamin

Berdasarkan data yang diperoleh dari POLDA JATIM diketahui data pengendara

sepeda yang terlibat kecelakaan di Kota Malang dan Kota Blitar Dari data tersebut

diperoleh hasil bahwa mayoritas pengendara sepeda yang terlibat kecelakaan adalah

berjenis kelamin laki-laki Prosentase pengendara sepeda di Kota Malang mencakup 909

laki-laki dan 91 Perempuan sedangkan di Kota Blitar terdiri dari 76 laki-laki dan 24

perempuan(Tabel 416 dan Tabel 417)

Tabel 419

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 10 909

2 Perempuan 1 91

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 420

Jenis Kelamin Pengguna Sepeda yang Terlibat Kecelakaan Sepeda di Kota Blitar

No Jenis Kelamin Frekuensi Persentase

()

1 Laki-Laki 19 76

2 Perempuan 6 24

Jumlah 25 100

Sumber POLDA JATIM 2017

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 32: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

78

442 Usia

Berdasarkan data dari POLDA JATIM diperoleh mayoritas rentang usia pengguna

sepeda yang terlibat kecelakaan adalah gt55 tahun di Kota Malang dan Kota Blitar Dari

data tersebut diperoleh pengguna sepeda dengan usia gt55 tahun yang terlibat kecelakaan di

kota Malang berjumlah 727 sedangkan di Kota Blitar berjumlah 68

Tabel 421

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Usia (Tahun) Frekuensi Persentase

()

1 lt15 tahun 2 182

2 46-55 tahun 2 182

3 gt55 tahun 4 364

4 Tidak Diketahui 3 273

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 422

Usia Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Usia (Tahun) Frekuensi Persentase

()

1 lt 15 2 80

2 15-25 2 80

4 36-45 2 80

5 46-55 2 80

6 gt 55 9 360

7 Tidak Diketahui 8 320

Jumlah 25 100

Sumber POLDA JATIM 2017

443 Pekerjaan

Data jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang dan

Kota Blitar diperoleh dari POLDA JATIM Tabel 420 dan tabel 421 menunjukkan bahwa

sebagian besar jenis pekerjaan pengguna sepeda yang terlibat kecelakaan di Kota Malang

merupakan Pegawai Swasta dengan persentase 455 sedangkan di Kota Blitar adalah

Wiraswasta dengan persentase 52

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 33: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

79

Tabel 423

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Malang

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 2 182

2 Pegawai Swasta 5 455

3 Wiraswasta 4 364

Jumlah 11 100

Sumber POLDA JATIM 2017

Tabel 424

Pekerjaan Pengguna Sepeda yang Terlibat Kecelakaan di Kota Blitar

No Pekerjaan Frekuensi Persentase

()

1 Pelajar Mahasiswa 4 16

2 Pegawai Swasta 5 20

3 Wiraswasta 13 52

4 BuruhPetani 1 4

5 Tidak Diketahui 2 8

Jumlah 25 100

Sumber POLDA JATIM 2017

Rekapitulasi Karakteristik Pengendara di Kota Malang dan Kota Blitar

Tabel 425 Rekapitulasi Karakteristik Pengendara yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki - laki Laki - laki

Usia gt55 tahun gt55 tahun

Pekerjaan Pegawai Swasta Wiraswasta

Sumber Hasil Survei (2017)

45 Pemodelan Kecelakaan Sepeda di Kota Malang dan Kota Blitar

Pemodelan dilakukan untuk mengetahui hubunan antara kecelakaan yang

melibatkan pengguna sepeda dengan karakteristik geometrik jalan (Lebar jalan jumlah

lajur dan keberadaan bahu jalan) dan karakteristik lalu lintas (Arus dan Kecepatan) pada

ruas jalan tempat terjadinya kecelakaan Dengan adanya model kecelakaan yang telah

dibuat maka jumlah kecelakaan yang melibatkan pengguna sepeda pada kondisi jalan

tertentu dan kondisi lalu lintas tertentu

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 34: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

80

451 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Malang

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel terikat yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 426 dan tabel 427 distribusi poisson dipilih sebagai distribusi yang

digunakan pada pemodelan

Tabel 426

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =11

1 Neg Binomial No fit

Tabel 427

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 069903 1 52176 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 428 ditemukan bahwa nilai pearson correlation dari

variabel respon (BA) dengan variabel penjelas(FLOW SPEED LW LN dan SW) kurang

dari 05 sehingga hal ini menunjukkan bahwa tidak terdapat hubungan yang kuat antara

variabel penjelas dengan variabel respon Hal ini menunjukkan bahwa apabila pemodelan

tetap dilakukan akan membentuk model yang kurang baik atau tidak signifikan hasilnya

Apabila proses dilanjutkan maka perlu dilakukan eliminasi pada variabel penjelas

yang memiliki nilai pearson correlation yang besar(gt05) Terdapat beberapa variabel

penjelas yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih

salah satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada

Variabel FLOW(Arus) dan Variabel LN(jumlah lajur) yang memiliki nilai pearson

correlation sebesar 0852 maka dari dua variabel tersebut dipilih satu variabel pada

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 35: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

81

pemodelan Pada pemodelan ini FLOW(Arus) terpilih sebagai variabel yang digunakan

pada pemodelan karena memiliki nilai pearson correlation yang lebih besar terhadap

variabel respon dibanding LN Sedangkan pada Variabel SPEED(Kecepatan) dan Variabel

SW(bahu jalan) memilki nilai pearson correlation sebesar 0653 maka dipilih variabel SW

untuk dimasukkan pada pemodelan

Tabel 428

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 468 289 -037 408 -280

Sig (2-tailed) 172 418 918 242 433

N 10 10 10 10 10 10

FLOW Pearson Correlation 468 1 433 -107 815 233

Sig (2-tailed) 172 211 769 004 517

N 10 10 10 10 10 10

SPEED Pearson Correlation 289 433 1 037 405 653

Sig (2-tailed) 418 211 919 246 040

N 10 10 10 10 10 10

LW Pearson Correlation -037 -107 037 1 -179 -037

Sig (2-tailed) 918 769 919 620 920

N 10 10 10 10 10 10

LN Pearson Correlation 408 815 405 -179 1 284

Sig (2-tailed) 242 004 246 620 427

N 10 10 10 10 10 10

SW Pearson Correlation -280 233 653 -037 284 1

Sig (2-tailed) 433 517 040 920 427

N 10 10 10 10 10 10

Correlation is significant at the 001 level (2-tailed)

Correlation is significant at the 005 level (2-tailed)

Data yang digunakan pada Pemodelan berjumlah 8 data terlihat pada tabel 429 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 36: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

82

Tabel 429

Input Data

RUAS JALAN BA FLOW SPEED LW LN SW LN_BA LN_FLOW

Jalan Ahmad Yani 2 4910 496 38 4 0 069 85

Jalan Pattimura 1 624 447 46 2 0 0 644

Basuki Rahmat 1 3299 558 37 4 22 0 81

Nusakambangan 1 624 418 45 2 0 0 655

Raya Langsep 1 5578 459 35 4 115 0 863

S Supriadi 1 2732 486 53 2 075 0 791

Laksda Adi Sucipto 1 2378 444 45 2 07 0 777

4511 Uji Univariat

Dari hasil univariat didapat hasil bahwa seluruh variabel bila diuji secara parsial

terlihat pada tabel 429 tidak memenuhi tingkat signifikansi yang cukup yaitu signifikansi

pada variabel-variabel penjelas yang diuji lebih dari 5 atau sig gt 5 Sehingga tidak

dapat dipilih variabel-variabel tersebut untuk dimasukkan ke dalam pemodelan Namun

pada uji multivariate terdapat kemungkinan nilai signifikansi memenuhi syarat karena

variabel-variabel penjelas dapat saling menegasikan satu sama lainnya

Tabel 429

Hasil Uji Univariat Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -921 30093 -6819 4977 094 1 760

LN_FLOW 133 3899 -631 897 116 1 733

(Intercept) -748 32513 -7120 5625 053 1 818

SPEED 018 0699 -119 155 068 1 794

(Intercept) -223 9309 -2048 1601 057 1 811

LN 112 3028 -482 705 136 1 712

(Intercept) 140 13609 -2527 2808 011 1 918

LW -012 3457 -689 666 001 1 973

(Intercept) 159 3853 -596 914 170 1 680

SW -113 4453 -986 760 064 1 800

4512 Uji Multivariat

Dari hasil uji Multivariat pada tabel 430 dapat dilihat bahwa variabel-variabel

penjelas tidak memenuhi syarat variabel LN_FLOW memiliki nilai signifikansi 0563 dan

Variabel SW memiliki nilai signifikansi 0582 sehingga nilai signifikansi tiap variabel-

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 37: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

83

variabel gt 5 Dengan variabel yang tingkat signifikansinya tidak memenuhiapabila

masih akan dibentuk model maka akan menghasilkan estimasi yang tidak akurat

Tabel 430

Hasil Uji Multivariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper Wald Chi-Square df Sig

(Intercept) -1826 36519 -8983 5332 250 1 617

LN_FLOW 279 4820 -666 1224 334 1 563

SW -312 5667 -1423 799 303 1 582

(Scale) 1a

Dependent Variable BA

Model (Intercept) LN_FLOW SW

a Fixed at the displayed value

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

dapat dibentuk adalah sebagai berikut

BA=161x10-1

FLOW0279

EXP(-0312 SW)

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

SW Lebar Bahu

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 345 ndash 53 m

Rentang Jumlah Lajur 2 - 4

Rentang Lebar Bahu 0 ndash 22 m

Rentang Kecepatan 418 ndash 558 kmjam

Rentang Volume kendaraan 624 - 5578

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 38: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

84

4513 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan yang ada

cf

Gambar 449 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan Kecelakaan Observasi

Kumulatif Observasi

Kecelakaan Estimasi

Kumulatif Estimasi

Jalan Ahmad Yani 2 2 1724398404 1724398

Jalan Pattimura 1 3 0969800439 2694199

Basuki Rahmat 1 4 0776881554 347108

Nusakambangan 1 5 0969800439 4440881

Raya Langsep 1 6 1248154998 5689036

S Supriadi 1 7 1158721542 6847757

Laksda Adi Sucipto 1 8 1132241496 7979999

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi yaitu

BA = 161x10-1

49100279

EXP(-0312 (0))

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 39: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

85

4514 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Berdasarkan data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 27 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW0379

kemudian diperoleh hasil 10269

sehingga terdapat peningkatan sebesar 00269

b Pengaruh Lebar Bahu Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa lebar bahu

jalan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan menurun seiring dengan

pelebaran bahu jalan Pelebaran bahu sebesar 50 cm akan menurunkan jumlah kecelakaan

sebesar exp(-0344 x 05) atau sebesar 144

452 Hasil dan Pembahasan Model Prediksi Kecelakaan di Kota Blitar

Sebelum pemodelan dilaksanakan perlu diadakan uji kesesuain distribusi yang

digunakan pada variabel respon yaitu jumlah kecelakaan yang melibatkan pengguna

sepeda Uji kesesuaian distribusi dilaksanakan dengan distribusi Poisson dan Negative

Binomial menggunakan Uji Smirnov Kolmogorov Dari hasil uji kesesuaian distribusi yang

terliaht pada tabel 432 dan tabel 433 distribusi Poisson dipilh sebagai distribusi yang

digunakan pada pemodelan

Tabel 432

Hasil Uji Kolmogorov- Smirnov

Distribution Parameters

1 Poisson =15833

1 Neg Binomial No fit

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 40: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

86

Tabel 433

Uji Kolmogorov- Smirnov untuk Goodness of Fit

Distribution

Kolmogorov Anderson

Smirnov Darling

Statistic Rank Statistic Rank

1 Poisson 053033 1 29589 1

2 Neg Binomial No fit

Setelah uji kesesuaian distribusi dilaksanakan maka perlu dilaksanakan pula uji

korelasi Dari Uji Korelasi pada tabel 434 ditemukan terdapat beberapa variabel penjelas

yang memiliki nilai pearson correlation yang lebih dari 05 sehingga perlu dipilih salah

satu variabel saja dari variabel-variabel berhubungan tersebut Layaknya pada Variabel

FLOW(Arus) dan Variabel SPEED(kecepatan) yang memiliki nilai pearson correlation

sebesar 0644 kemudian Variabel FLOW(Arus) dan Variabel LW(lebar lajur) memilki

nilai pearson correlation sebesar 0814 Variabel FLOW akhirnya terpilih sebagai variabel

penjelas yang masuk pada pemodelan karena memiliki nilai pearson correlation paling

besar dengan variabel respon yaitu sebesar 0505

Namun uji pearson correlation pada variabel penjelas yang lain terhadap variabel

respon memiliki nilai yang kecil sehingga kemungkinan model yang terbentuk akan tidak

akurat dalam memprediksi kecelakaan

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 41: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

87

Tabel 434

Hasil Korelasi Antar Variabel

Correlations

BA FLOW SPEED LW LN SW

BA Pearson Correlation 1 505 148 229 a 153

Sig (2-tailed) 094 646 473 635

N 12 12 12 12 12 12

FLOW Pearson Correlation 505 1 644 815

a -133

Sig (2-tailed) 094 024 001 679

N 12 12 12 12 12 12

SPEED Pearson Correlation 148 644 1 751

a 015

Sig (2-tailed) 646 024 005 964

N 12 12 12 12 12 12

LW Pearson Correlation 229 815 751

1

a -278

Sig (2-tailed) 473 001 005 381

N 12 12 12 12 12 12

LN Pearson Correlation a

a

a

a

a

a

Sig (2-tailed)

N 12 12 12 12 12 12

SW Pearson Correlation 153 -133 015 -278 a 1

Sig (2-tailed) 635 679 964 381

N 12 12 12 12 12 12

Correlation is significant at the 005 level (2-tailed)

Correlation is significant at the 001 level (2-tailed)

a Cannot be computed because at least one of the variables is constant

Data yang digunakan pada Pemodelan berjumlah 9 data terlihat pada tabel 435 Data

yang tersebut didapat dari proses iterasi yang dilakukan hingga model dapat terbentuk

Proses analisis pemodelan dapat dilihat pada lampiran

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 42: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

88

Tabel 435

Input Data

Ruas Jalan BA FLOW SPEED LW LN SW

Jalan Tanjung 2 1245 5329 47 2 2

Jalan Jati 1 463 4312 35 2 15

Jalan Karanggayam 1 430 4775 29 2 175

Jalan Ir Soekarno 2 693 5417 46 2 155

Jalan Mastrip 1 852 4965 41 2 065

Jalan Imam Bonjol 1 686 5438 45 2 125

Jalan Umum Desa Kauman 1 178 4393 2 2 16

Jalan Umum Desa Selokajang 1 93 4645 2 2 2

Jalan Simpang 4 Desa Selokajang 1 65 4588 3 2 15

4521 Uji Univariat

Variabel-variabel penjelas yang diuji merupakan variabel penjelas yang dipilih

berdasarkan uji korelasi yang telah dilaksanakan Dari hasil uji univariat didapat hasil

bahwa variabel penjelas yang diuji secara parsial terlihat pada tabel 436 tidak memenuhi

tingkat signifikansi karena signifikansi pada variabel-variabel yang diuji lebih dari 5 atau

sig gt 5Apabila masih akan dibentuk model maka akan menghasilkan estimasi yang

tidak akurat Variabel-variabel tersebut tidak dapat dipilih untuk dimasukkan ke dalam

pemodelan Pada hasil Univariat koefisien SW(Bahu jalan) memiliki nilai positif hal ini

berlawanan dengan penelitian terdahulu (Sobri A dkk 2010) sehingga tidak dapat

dimasukkan ke dalam model

Tabel 436

Hasil Uji Univariat

Parameter Estimates

Parameter B Std Error

95 Wald Confidence Interval Hypothesis Test

Lower Upper

Wald Chi-

Square df Sig

(Intercept) -0999 1998 -4915 2917 025 1 0617

LN_FLOW 021 03243 -0426 0845 0417 1 0518

(Intercept) 0023 11813 -2292 2339 0 1 0984

SW 0158 07521 -1316 1632 0044 1 0834

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 43: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

89

4522 Uji Multivariat

Dari Hasil uji univariat di dapat bahwa Variabel penjelas yang dapat digunakan pada

model adalah Variabel penjelas FLOW sehingga tidak diperlukan lagi uji multivariate

Berdasarkan analisis yang telah dilakukan maka model prediksi kecelakaan yang

terbentuk adalah sebagai berikut

BA=368x10-1

FLOW021

Dimana

BA Kecelakaan yang melibatkan pengguna sepeda (kejadiantahun)

Flow Arus Lalu Lintas (Smpjam)

Model diatas dapat digunakan pada ruas jalan dengan karakteristik sebagai berikut

Lokasi Jalan Perkotaan

Rentang Lebar lajur 2 ndash 47 m

Rentang Jumlah Lajur 2

Rentang Lebar Bahu 065 ndash 2 m

Rentang Kecepatan 439 ndash 5438 kmjam

Rentang Volume kendaraan 65 - 1245

4523 Perbandingan Data Kecelakaan Observasi dengan Data Estimasi Model

Model yang diharapkan adalah model yang dapat menghasilkan nilai estimasi

mendekati nilai observasi sehingga diperlukan pemeriksaan dari model kecelakaan yang

didapat Gambar 449 perbandingan data estimasi dengan data observasi yang didapat hal

ini menunjukkan bahwa model yang dihasilkan kurang akurat dalam memprediksi jumlah

kecelakaan di lapangan

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 44: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

90

Gambar 450 Perbandingan antara Data Kecelakaan Observasi dan Data Estimasi Model

Tabel 431

Perbandingan Kecelakaan Observasi dengan Data Estimasi Model

Ruas Jalan

Kecelakaan

Observasi

Kumulatif

Observasi

Kecelakaan

Estimasi

Kumulatif

Estimasi

Jalan Tanjung 2 2 164484651 1644847

Jalan Jati 1 3 133632416 2981171

Jalan Karanggayam 1 4 131573428 4296905

Jalan Ir Soekarno 2 6 145443324 5751338

Jalan Mastrip 1 7 15189103 7270248

Jalan Imam Bonjol 1 8 14513357 8721584

Jalan Umum Desa Kauman 1 9 109327147 9814856

Jalan Umum Desa Selokajang 1 10 095394038 107688

Jalan Simpang 4 Desa Selokajang 1 11 088481325 1165361

didapat dengan memasukan data geometrik dan lalu lintas jalan ke dalam model prediksi

yaitu BA = 368x10-1

1245021

4524 Hasil Interpretasi Model

Setelah model prediksi diperoleh maka dapat diketahui pengaruh variabel-variabel

penjelas terhadap jumlah kecelakaan yang terjadi

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 45: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

91

a Pengaruh Volume Kendaraan Terhadap Jumlah Kecelakaan

Bila dilihat dari data analisis yang diperoleh maka dapat dikatakan bahwa volume

kendaraan mempengaruhi tingkat terjadinya kecelakaan yang melibatkan pengguna sepeda

Jumlah kecelakaan yang melibatkan pengguna sepeda akan meningkat seiring dengan

meningkatnya volume lalu lintas Peningkatan volume lalu lintas sebanyak 10 diprediksi

dapat meningkatkan jumlah kecelakaan sebesar 2 Angka ini diperoleh dengan

memasukkan 11 ke dalam persamaan BA=FLOW021

kemudian diperoleh hasil 10202

sehingga terdapat peningkatan sebesar 002

92

(Halaman Ini Sengaja Dikosongkan)

Page 46: 48repository.ub.ac.id/1870/5/12.SKRIPSI BAB 4.pdf · 2020. 8. 11. · 48 Berdasarkan data BPS Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan rincian

92

(Halaman Ini Sengaja Dikosongkan)