skripsirepository.ub.ac.id/1886/1/deby eka prima yoga.pdf6. kasi laka lantas kepolisian daerah jawa...

MODEL PREDIKSI PELUANG KECELAKAAN

YANG MELIBATKAN PENGGUNA SEPEDA

DI KOTA MALANG DAN KOTA BLITAR

SKRIPSI

TEKNIK SIPIL

Ditujukan untuk memenuhi persyaratan

Memperoleh gelar Sarjana Teknik

DEBY EKA PRIMA YOGA

NIM. 135060101111014

AHMAD RIZALDI PUTRA PRADANA

NIM. 135060101111018

UNIVERSITAS BRAWIJAYA

FAKULTAS TEKNIK

MALANG

2017

LEMBAR PENGESAHAN

MODEL PREDIKSI PELUANG KECELAKAAN

YANG MELIBATKAN PENGGUNA SEPEDA

DI KOTA MALANG DAN KOTA BLITAR

SKRIPSI

TEKNIK SIPIL

Ditujukan untuk memenuhi persyaratan

memperoleh gelar Sarjana Teknik

DEBY EKA PRIMA YOGA

NIM. 135060101111014

AHMAD RIZALDI PUTRA PRADANA

NIM. 135060101111018

Skripsi ini telah direvisi dan disetujui oleh dosen pembimbing

Pada tanggal 03 Agustus 2017

Dosen Pembimbing I

Dr. Ir. M. Zainul Arifin, MT

NIP. 19590813 198601 1 005

Dosen Pembimbing II

Imma W. Agustin, ST., MT., Ph.D

NIP. 19750803 200604 2 001

Mengetahui,

Ketua Program Studi S1

Dr. Eng. Indradi W, ST., M.Eng (Prac.)

NIP. 19810220 200604 1 002

http://sipil.ub.ac.id/sarjana/indradi/

HALAMAN IDENTITAS TIM PENGUJI SKRIPSI

Judul Skripsi :

Model Prediksi Peluang Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang dan

Kota Blitar

Nama Mahasiswa : Deby Eka Prima Yoga

NIM : 13506010111104

Nama Mahasiswa : Ahmad Rizaldi Putra Pradana

NIM : 135060101111018

Program Studi : Teknik Sipil

Minat : Transportasi

Tim Dosen Penguji :

Dosen Penguji 1 : Dr. Ir. M. Zainul Arifin, MT

Dosen Penguji 2 : Imma Widyawati Agustin, ST., MT., Ph.D

Dosen Penguji 3 : Prof. Ir. Harnen Sulistio, M.Sc., Ph.D

Tanggal Ujian : 27 Juli 2017

SK Penguji : 911/UN 10.F07/SK/2017

LEMBAR PERNYATAAN ORISINALITAS

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan saya dan

berdasarkan hasil penelusuran sebagai karya ilmiah, gagasan dan masalah ilmiah yang

diteliti dan diulas di dalam naskah skripsi ini adalah asli dari pemikiran saya, tidak terdapat

karya ilmiah yang pernah diajukan oleh orang lain untuk memperoleh gelar akademik di

suatu perguruan tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau

diterbitkan oleh orang lain, kecuali yang secara tertulis dikutip dalam naskah ini dan

disebutkan dalam sumber kutipan dan daftar pustaka.

Apabila ternyata di dalam naskah skripsi ini dapat dibuktikan terdapat unsur-unsur

plagiasi, saya bersedia skripsi ini dibatalkan, serta diproses sesuai dengan peraturan

perundang-undangan yang berlaku (UU No. 20 Tahun 2003, pasal 25 ayat 2 dan pasal 70)

Malang, Agustus 2017

Deby Eka Prima Yoga

NIM. 135060101111014

LEMBAR PERNYATAAN ORISINALITAS

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan saya dan

berdasarkan hasil penelusuran sebagai karya ilmiah, gagasan dan masalah ilmiah yang

diteliti dan diulas di dalam naskah skripsi ini adalah asli dari pemikiran saya, tidak terdapat

karya ilmiah yang pernah diajukan oleh orang lain untuk memperoleh gelar akademik di

suatu perguruan tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau

diterbitkan oleh orang lain, kecuali yang secara tertulis dikutip dalam naskah ini dan

disebutkan dalam sumber kutipan dan daftar pustaka.

Apabila ternyata di dalam naskah skripsi ini dapat dibuktikan terdapat unsur-unsur

plagiasi, saya bersedia skripsi ini dibatalkan, serta diproses sesuai dengan peraturan

perundang-undangan yang berlaku (UU No. 20 Tahun 2003, pasal 25 ayat 2 dan pasal 70)


Ahmad Rizaldi Putra Pradana

NIM. 135060101111018

RIWAYAT HIDUP

Deby Eka Prima Yoga lahir di Kediri pada tanggal 24 April 1995 merupakan anak

pertama dari 3 bersaudara dari pasangan Kustoyo dan Yusini. Penulis memulai pendidikan

dasarnya di SDN Pucangan IV, Surakarta pada tahun 2001-2002, lalu pindah ke SDN

Kemang I, Kab. Bogor pada 2002 – 2005 dan menyelesaikan pendidikan sekolah dasar

pada tahun 2006 di SDN Semplak 2 Bogor, kemudian melanjutkan studinya di SMP Negeri

4 Bogor selama 3 tahun (2006-2009), dan SMA Negeri 5 Bogor selama 3 tahun (2009-2012).

Lalu penulis melanjutkan studinya di Universitas Brawijaya sebagai mahasiswa S1 Teknik

Sipil, Fakultas Teknik, Universitas Brawijaya.


Penulis

RIWAYAT HIDUP

Ahmad Rizaldi Putra Pradana, lahir di Malang, 04 Agustus 1995, merupakan putra

pertama dari Bapak Abdul Gani dan Ibu Khusnul Khotimah. Mulai mengenyam bangku

pendidikan dasar di SD Negeri 03 Sedayu Kecamatan Turen sejak tahun 2001 dan lulus pada

tahun 2007. Kemudian melanjutkan pendidikan di SMP Negeri 1 Turen dan lulus pada tahun

2010. Selanjutnya melanjutkan pendidikan di SMA Negeri 1 Turen Program Ilmu

Pengetahuan Alam dan lulus pada tahun 2013. Kemudian mengenyam bangku perkuliahan

hingga lulus S1 (Strata 1) pada tahun 2017 dari Jurusan Teknik Sipil, Fakultas Teknik,

Universitas Brawijaya, Malang.


Penulis

i

KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas berkat, rahmat, serta limpahan karunianya

sehingga penulis dapat menyelesaikan tugas akhir yang berjudul “Model Prediksi Peluang

Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang dan Kota Blitar” dengan

lancar tanpa halangan apapun.

Penulisan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar Sarjana

Teknik Sipil Fakultas Teknik Universitas Brawijaya. Penulis menyadari bahwa tugas akhir

ini dapat selesai berkat bantuan bantuan, petunjuk, dan bimbingan dari berbagai pihak yang

telah banyak membantu dalam proses penyelesaian tugas akhir ini. Oleh karena itu, penulis

mengucapkan terima kasih kepada yang terhormat:

1. Ir. Sugeng P. Budio, MS selaku Ketua Jurusan Teknik Sipil dan Ir. Siti Nurlina, MT.

selaku Sekretaris Jurusan Teknik Sipil.

2. Dr. Eng Indradi W., ST, M. Eng (Prac) selaku Ketua Prodi S1.

3. Bapak Dr. Ir. M. Zainul Arifin, MT selaku Dosen Pembimbing I dan Ibu Imma

Widyawati Agustin, ST., MT., Ph.D selaku Dosen Pembimbing II yang telah

memberikan arahan dan masukan dalam penulisan tugas akhir ini.

4. Seluruh Bapak Ibu Dosen Jurusan Teknik Sipil yang telah memberikan waktu dan

ilmunya selama masa perkuliahan.

5. Kedua orang tua kami yang selalu melimpahkan doa, dukungan dan semangat tiada

henti.

6. Kasi Laka Lantas Kepolisian Daerah Jawa Timur beserta jajarannya, Dinas

Perhubungan Kota Malang dan Kota Blitar, Dinas Perhubungan dan LLAJ Kota Malang

dan Kota Blitar, Dinas PU Bina Marga Kota Malang dan Kota Blitar, dan Bappeda Kota

Malang dan Kota Blitar yang telah membantu kami dalam pemberian data pendukung

untuk penelitian ini.

7. Segenap Keluarga Besar Mahasiswa Sipil Universitas Brawijaya angkatan 2013 yang

telah membantu dan mendukung selama masa perkuliahan.

ii

Semoga tugas akhir ini dapat bermanfaat bagi pembaca dan dapat dijadikan sebagai

referensi untuk penelitian-penelitian selanjutnya. Untuk kesempurnaan tugas akhir ini, kritik

dan saran pembaca sangat diharapkan.

Malang, Juli 2017

Penulis

iii

DAFTAR ISI

Halaman

KATA PENGANTAR ......................................................................................................i

DAFTAR ISI .................................................................................................................. iii

DAFTAR GAMBAR .................................................................................................... vii

DAFTAR TABEL ...........................................................................................................ix

DAFTAR LAMPIRAN ............................................................................................... xiii

RINGKASAN ................................................................................................................. xv

SUMMARY ................................................................................................................. xvii

BAB I PENDAHULUAN ................................................................................................ 1

1.1 Latar Belakang ................................................................................................... 1

1.2 Identifikasi Masalah ........................................................................................... 3

1.3 Rumusan Masalah .............................................................................................. 5

1.4 Ruang Lingkup Masalah .................................................................................... 5

1.4.1 Ruang Lingkup Wilayah .......................................................................... 5

1.4.2 Ruang Lingkup Materi ............................................................................. 8

1.5 Tujuan Penelitian ............................................................................................... 9

1.6 Manfaat Penelitian ............................................................................................. 9

BAB II TINJAUAN PUSTAKA ................................................................................... 11

2.1 Karakteristik Sepeda ........................................................................................ 11

2.1.1 Bagian-bagian Sepeda ............................................................................ 11

2.2 Karakteristik Pengguna Sepeda........................................................................ 12

2.2.1 Karakteristik Sosio-Ekonomi ................................................................. 12

2.2.2 Karakteristik Pergerakan ........................................................................ 14

2.2.3 Karakteristik Perilaku ............................................................................ 16

2.3 Kecelakaan ....................................................................................................... 17

2.3.1 Klasifikasi Kecelakaan ........................................................................... 17

2.3.2 Penyebab Kecelakaan ............................................................................ 19

2.3.3 Korban Kecelakaan Lalu Lintas ............................................................. 22

2.4 Populasi dan Sampel ........................................................................................ 22

2.4.1 Populasi .................................................................................................. 22

2.4.2 Sampel .................................................................................................... 22

2.4.3 Teknik Sampling .................................................................................... 23

iv

2.5 Analisis Data .................................................................................................... 25

2.5.1 Analisis Statistik Deskriptif ................................................................... 25

2.5.2 Analisis Statistik Regresi Logistik ......................................................... 25

2.6 Penelitian Terdahulu ....................................................................................... 29

2.7 Kerangka Teori ................................................................................................ 40

BAB III METODE PENELITIAN .............................................................................. 41

3.1 Definisi Operasional ........................................................................................ 41

3.2 Tahapan Pelaksanaan Penelitian ...................................................................... 41

3.3 Lokasi Penelitian .............................................................................................. 43

3.4 Jenis dan Sumber Data ..................................................................................... 43

3.4.1 Data Primer ............................................................................................ 43

3.4.2 Data Sekunder ........................................................................................ 44

3.5 Variabel Penelitian ........................................................................................... 44

3.6 Metode Pengumpulan Data .............................................................................. 48

3.7 Metode Analisis ............................................................................................... 49

3.5.1 Analisis Statistik Deskriptif ................................................................... 49

3.5.2 Analisis Statistik Regresi Logistik ......................................................... 49

3.8 Desain Survei ................................................................................................... 54

3.9 Kerangka Metode ............................................................................................. 56

BAB IV HASIL DAN PEMBAHASAN ....................................................................... 57

4.1 Kondisi Umum Wilayah Studi ......................................................................... 57

4.1.1 Kota Malang .......................................................................................... 57

4.1.2 Kota Blitar ............................................................................................. 57

4.1.3 Jumlah Sampel Dalam Penelitian .......................................................... 58

4.2 Karakteristik Pengguna Sepeda ....................................................................... 59

4.2.1 Karakteristik Sosio-Ekonomi ................................................................. 59

4.2.2 Karakteristik Pergerakan ....................................................................... 65

4.2.3 Karakteristik Perilaku ............................................................................ 71

4.3 Karakteristik Sepeda ........................................................................................ 74

4.4 Karakteristik Kecelakaan ................................................................................. 76

4.4.1 Pengalaman Kecelakaan Pengguna Sepeda ........................................... 76

4.4.2 Kerugian Akibat Kecelakaan Sepeda .................................................... 76

4.4.3 Waktu Kejadian Kecelakaan Sepeda ..................................................... 79

4.4.4 Penyebab Kecelakaan ............................................................................ 80

v

4.5 Hubungan Antar Variabel Penjelas .................................................................. 81

4.5.1 Hubungan Antar Variabel Karakteristik Sosio-Ekonomi dan

Karakteristik Pergerakan ................................................................................. 81

4.5.2 Hubungan Karakteristik Perilaku dengan Pengalaman Kecelakaan ...... 83

4.6 Model Prediksi Peluang Kecelakaan Sepeda ................................................... 85

4.6.1 Uji Validitas ........................................................................................... 85

4.6.2 Uji Reliabilitas ....................................................................................... 86

4.6.3 Uji Korelasi ............................................................................................ 87

4.6.4 Model Binomial Logit ............................................................................ 95

BAB V KESIMPULAN DAN SARAN ...................................................................... 121

5.1 Kesimpulan .................................................................................................... 121

5.2 Saran ............................................................................................................... 125

DAFTAR PUSTAKA .................................................................................................. 127

LAMPIRAN

vii

DAFTAR GAMBAR

No. Judul Halaman

Gambar 1.1 Kondisi Lalu Lintas yang Bercampur ........................................................ 4

Gambar 1.2 Kondisi Lajur Sepeda yang Digunakan Untuk Aktivitas Lain .................. 4

Gambar 1.3 Perilaku Pesepeda yang Membawa Muatan Berlebih ............................... 5

Gambar 1.4 Wilayah Administrasi Kota Malang .......................................................... 6

Gambar 1.4 Wilayah Administrasi Kota Blitar ............................................................. 7

Gambar 2.1 Bagian-bagian Sepeda ............................................................................. 11

Gambar 2.2 Pembagian Teknik Sampling ................................................................... 23

Gambar 2.3 Kerangka Teori ........................................................................................ 40

Gambar 3.1 Diagram Alir Pelaksanaan Studi .............................................................. 42

Gambar 3.2 Diagram Alir Analisis Regresi Logistik .................................................. 51

Gambar 3.3 Kerangka Metode..................................................................................... 56

Gambar 4.1 Jumlah Penduduk Kota Malang 2015 Berdasarkan Jenis Kelamin ......... 57

Gambar 4.2 Jumlah Penduduk Kota Blitar 2015 Berdasarkan Jenis Kelamin ............ 58

ix

DAFTAR TABEL

No. Judul Halaman

Tabel 2.1 Klasifikasi Pergerakan Orang di Perkotaan Berdasarkan Maksud

Pergerakan................................................................................................ 15

Tabel 2.2 Klasifikasi Kecelakaan Berdasarkan Posisi Terjadinya ........................... 18

Tabel 2.3 Faktor Fisiologis dan Psikologis yang Mempengaruhi Pengemudi......... 19

Tabel 2.4 Faktor Penyebab Terjadinya Kecelakaan ................................................ 21

Tabel 2.5 Perbedaan Regresi Linier dan Regresi Logistik ...................................... 25

Tabel 2.6 Penelitian Terdahulu ................................................................................ 29

Tabel 2.7 Rencana Kajian ........................................................................................ 39

Tabel 3.1 Data Primer .............................................................................................. 43

Tabel 3.2 Data Sekunder .......................................................................................... 44

Tabel 3.3 Variabel Penelitian ................................................................................... 44

Tabel 3.4 Pembagian Kategori Variabel Penjelas dalam Penelitian ........................ 45

Tabel 3.5 Desain Survei ........................................................................................... 54

Tabel 4.1 Jumlah Responden di Wilayah Studi ....................................................... 58

Tabel 4.2 Jenis Kelamin Pengguna Sepeda di Kota Malang ................................... 59

Tabel 4.3 Jenis Kelamin Pengguna Sepeda di Kota Blitar ...................................... 59

Tabel 4.4 Usia Pengguna Sepeda di Kota Malang ................................................... 59

Tabel 4.5 Usia Pengguna Sepeda di Kota Blitar ...................................................... 60

Tabel 4.6 Pendidikan Terakhir Pengguna Sepeda di Kota Malang ....................... 60

Tabel 4.7 Pendidikan Terakhir Pengguna Sepeda di Kota Blitar ........................... 60

Tabel 4.8 Pekerjaan Pengguna Sepeda di Kota Malang .......................................... 61

Tabel 4.9 Pekerjaan Pengguna Sepeda di Kota Blitar ............................................. 61

Tabel 4.10 Tingkat Penghasilan Pengguna Sepeda di Kota Malang ......................... 62

Tabel 4.11 Tingkat Penghasilan Pengguna Sepeda di Kota Blitar ............................ 62

Tabel 4.12 Kepemilikan Sepeda Pengguna Sepeda di Kota Malang ......................... 63

Tabel 4.13 Kepemilikan Sepeda Pengguna Sepeda di Kota Blitar ............................ 63

Tabel 4.14 Jumlah Kepemilikan Sepeda Pengguna Sepeda di Kota Malang ............ 64

Tabel 4.15 Jumlah Kepemilikan Sepeda Pengguna Sepeda di Kota Blitar ............... 64

Tabel 4.16 Kepemilikan Kendaraan Lain Responden di Kota Malang ..................... 65

Tabel 4.17 Kepemilikan Kendaraan Lain Responden di Kota Blitar ........................ 65

Tabel 4.18 Rekapitulasi Karakteristik Sosio-Ekonomi yang Dominan ..................... 65

Tabel 4.19 Maksud dan Tujuan Pergerakan Pengguna Sepeda di Kota Malang ....... 66

Tabel 4.20 Maksud dan Tujuan Pergerakan Pengguna Sepeda di Kota Blitar .......... 66

Tabel 4.21 Jarak Tempuh Pengguna Sepeda di Kota Malang ................................... 67

Tabel 4.22 Jarak Tempuh Pengguna Sepeda di Kota Blitar ...................................... 67

Tabel 4.23 Waktu Tempuh Pengguna Sepeda di Kota Malang ................................. 68

Tabel 4.24 Waktu Tempuh Pengguna Sepeda di Kota Blitar .................................... 68

Tabel 4.25 Intensitas Penggunaan Sepeda di Kota Malang ....................................... 69

Tabel 4.26 Intensitas Penggunaan Sepeda di Kota Blitar .......................................... 69

Tabel 4.27 Waktu Mulai Penggunaan Sepeda di Kota Malang ................................. 70

x

Tabel 4.28 Waktu Mulai Penggunaan Sepeda di Kota Blitar .................................... 70

Tabel 4.29 Rekapitulasi Karakteristik Pergerakan yang Dominan ............................ 71

Tabel 4.30 Perilaku Bersepeda Pengguna Sepeda di Kota Malang ........................... 72

Tabel 4.31 Perilaku Bersepeda Pengguna Sepeda di Kota Blitar .............................. 73

Tabel 4.32 Rekapitulasi Karakteristik Perilaku Pengguna Sepeda yang Dominan ... 73

Tabel 4.33 Kelengkapan Sepeda Pengguna Sepeda di Kota Malang ........................ 74

Tabel 4.34 Kelengkapan Sepeda Pengguna Sepeda di Kota Blitar ........................... 75

Tabel 4.35 Rekapitulasi Kelengkapan Sepeda Pengguna sepeda di Wilayah Studi .. 75

Tabel 4.36 Pengalaman Kecelakaan Pengguna Sepeda di Kota Malang................... 76

Tabel 4.37 Pengalaman Kecelakaan Pengguna Sepeda di Kota Blitar ...................... 76

Tabel 4.38 Biaya Perawatan Cedera Pengguna Sepeda di Kota Malang .................. 77

Tabel 4.39 Biaya Perawatan Cedera Pengguna Sepeda di Kota Blitar ..................... 77

Tabel 4.40 Biaya Perbaikan Sepeda Pengguna Sepeda di Kota Malang ................... 78

Tabel 4.41 Biaya Perbaikan Sepeda Pengguna Sepeda di Kota Blitar ...................... 78

Tabel 4.42 Waktu Kejadian Kecelakaan Sepeda yang Dialami Responden di

Kota Malang ............................................................................................ 79

Tabel 4.43 Waktu Kejadian Kecelakaan Sepeda yang Dialami Responden di

Kota Blitar ............................................................................................... 79

Tabel 4.44 Penyebab Kecelakaan Pengguna Sepeda di Kota Malang....................... 80

Tabel 4.45 Penyebab Kecelakaan Pengguna Sepeda di Kota Blitar .......................... 81

Tabel 4.46 Hubungan Antar Variabel Karakteristik Sosio-Ekonomi dan Pergerakan

Kota Malang ............................................................................................ 82

Tabel 4.47 Hubungan Antar Variabel Karakteristik Sosio-Ekonomi dan Pergerakan

Kota Blitar ............................................................................................... 82

Tabel 4.48 Hubungan Variabel Karakteristik Perilaku dan Karakteristik Kecelakaan

di Kota Malang ........................................................................................ 83

Tabel 4.49 Hubungan Variabel Karakteristik Perilaku dan Karakteristik Kecelakaan

di Kota Blitar ........................................................................................... 84

Tabel 4.50 Nilai Uji Validitas Variabel-Variabel Penelitian Hasil Penelitian di

Kota Malang ............................................................................................ 85

Tabel 4.51 Nilai Uji Validitas Variabel-Variabel Penelitian Hasil Penelitian di

Kota Blitar ............................................................................................... 86

Tabel 4.52 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada

Karakteristik Sosio – Ekonomi Kota Malang ......................................... 87

Tabel 4.53 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio –

Ekonomi Kota Malang ............................................................................ 87


Karakteristik Sosio – Ekonomi Kota Blitar ............................................. 88

Tabel 4.55 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio –

Ekonomi Kota Blitar ............................................................................... 88


Karakteristik Pergerakan Kota Malang ................................................... 89

Tabel 4.57 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik

xi

Pergerakan Kota Malang ......................................................................... 89

Tabel 4.58 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon

Pada Karakteristik Pergerakan Kota Blitar .............................................. 89

Tabel 4.59 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik

Pergerakan Kota Blitar ............................................................................ 90


Karakteristik Perilaku Kota Malang ........................................................ 90

Tabel 4.61 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Perilaku

Kota Malang ............................................................................................ 91


Karakteristik Perilaku Kota Malang ........................................................ 93

Tabel 4.63 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Perilaku

Kota Blitar ............................................................................................... 94

Tabel 4.64 Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Malang ............... 96

Tabel 4.65 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Sosio-


Tabel 4.66 Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota

Malang .................................................................................................... 97

Tabel 4.67 Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-


Tabel 4.68 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan

Karakteristik Sosio-Ekonomi Kota Malang ............................................ 98

Tabel 4.69 Variabel Penjelas Karakteristik Pergerakan Kota Malang ...................... 99

Tabel 4.70 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik

Pergerakan Kota Malang........................................................................ 100

Tabel 4.71 Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Malang ...... 100


Karakteristik Pergerakan Kota Malang ................................................. 100

Tabel 4.73 Variabel Penjelas Karakteristik Perilaku Kota Malang ......................... 101

Tabel 4.74 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Perilaku

Kota Malang .......................................................................................... 102

Tabel 4.75 Nilai Nagelkerke R Square Karakteristik Perilaku Kota Malang .......... 103

Tabel 4.76 Signifikansi Hosmer and Lameshow Test Karakteristik Perilaku

Kota Malang .......................................................................................... 103


Karakteristik Perilaku Kota Malang ..................................................... 104

Tabel 4.78 Variabel Penjelas yang Signifikan Terhadap Variabel Terikat di

Kota Malang .......................................................................................... 104

Tabel 4.79 Model Logit Peluang Kecelakaan di Kota Malang ................................. 105

Tabel 4.80 Nilai Nagelkerke R Square Model Peluang Kecelakaan Kota Malang . 105

Tabel 4.81 Signifikansi Hosmer and Lameshow Test Model Peluang Kecelakaan

Kota Malang .......................................................................................... 106

Tabel 4.82 Simulasi Variabel Utilitas Peluang Kecelakaan di Kota Malang .......... 106

xii

Tabel 4.83 Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Blitar ................ 107

Tabel 4.84 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Sosio-

Ekonomi Kota Blitar ............................................................................. 108

Tabel 4.85 Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota Blitar . 109

Tabel 4.86 Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-

Ekonomi Kota Blitar ............................................................................. 109


Karakteristik Sosio-Ekonomi Kota Blitar ............................................. 110

Tabel 4.88 Variabel Penjelas Karakteristik Pergerakan Kota Blitar ....................... 111

Tabel 4.89 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik

Pergerakan Kota Blitar .......................................................................... 111

Tabel 4.90 Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Blitar ........ 112

Tabel 4.91 Signifikansi Hosmer and Lameshow Test Karakteristik Pergerakan

Kota Blitar ............................................................................................. 112


Karakteristik Pergerakan Kota Blitar ................................................... 113

Tabel 4.93 Variabel Penjelas Karakteristik Perilaku Kota Blitar ............................ 114

Tabel 4.94 Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Perilaku

Kota Blitar ............................................................................................. 115

Tabel 4.95 Nilai Nagelkerke R Square Karakteristik Perilaku Kota Blitar .............. 115

Tabel 4.96 Signifikansi Hosmer and Lameshow Test Karakteristik Perilaku

Kota Blitar ............................................................................................. 116


Karakteristik Perilaku Kota Blitar ........................................................ 116

Tabel 4.98 Variabel Bebas yang Signifikan terhadap Variabel Terikat di

Kota Blitar ............................................................................................. 117

Tabel 4.99 Model Logit Peluang Kecelakaan di Kota Blitar .................................. 117

Tabel 4.100 Nilai Nagelkerke R Square Model Peluang Kecelakaan Kota Blitar .... 118

Tabel 4.101 Signifikansi Hosmer and Lameshow Test Model Peluang Kecelakaan

Kota Blitar ............................................................................................. 118

Tabel 4.102 Simulasi Variabel Utilitas Peluang Kecelakaan di Kota Blitar ............. 119

Tabel 5.1 Model Prediksi Peluang Kecelakaan Sepeda di Wilayah Studi ............ 119

xiii

DAFTAR LAMPIRAN

No. Judul Halaman

Lampiran 1 Form Kuesioner ..................................................................................... 131

Lampiran 2 Form Wawancara .................................................................................. 135

Lampiran 3 Uji Validitas Karakteristik Perilaku ...................................................... 136

Lampiran 4 Uji Reliabilitas Karakteristik Perilaku .................................................. 144

Lampiran 5 Hasil Analisis Hubungan Antar Variabel .............................................. 146

Lampiran 6 Hasil Analisis Model Peluang Kecelakaan Berdasarkan Karakteristik

Sosio-Ekonomi ...................................................................................... 156


Pergerakan ............................................................................................. 162


Perilaku ................................................................................................. 168


Sosio-Ekonomi, Karakteristik Pergerakan, dan Karakteristik Perilaku 175

xiv

(Halaman ini sengaja dikosongkan)

xv

RINGKASAN

Deby Eka Prima Yoga dan Ahmad Rizaldi Putra Pradana, Jurusan Teknik Sipil,

Fakultas Teknik Universitas Brawijaya, Juli 2017, Model Prediksi Peluang Kecelakaan

Yang Melibatkan Pengguna Sepeda di Kota Malang dan Kota Blitar, Dosen Pembimbing:

Dr. Ir. Muhammad Zainul Arifin, MT dan Imma Widyawati Agustin, ST., MT., Ph.D.

Perkembangan transportasi terutama alat transportasi membawa dampak positif bagi

pemenuhan aktivitas manusia, namun disisi lain timbul dampak negatif yang diakibatkan

salah satunya adalah kecelakaan lalu lintas. Berdasarkan data kecelakaan yang berasal dari

Kepolisian Daerah Jawa Timur Tahun 2017, jumlah kecelakaan di Kota Malang selama tiga

tahun terakhir cenderung meningkat, sedangkan di Kota Blitar cenderung menurun. Meski

mengalami kenaikan dan penurunan namun ternyata masih ada kecelakaan yang melibatkan

pengendara sepeda di dua kota tersebut. Tujuan dari kajian ini (1) mengetahui karakteristik

pengguna sepeda di Kota Malang dan Kota Blitar, (2) mengetahui pengalaman kecelakaan

pengguna sepeda di Kota Malang dan Kota Blitar, (3) membuat model prediksi peluang

kecelakaan yang melibatkan pengguna sepeda di Kota Malang dan Kota Blitar.

Penelitian ini dilakukan di dua kota yaitu Kota Malang yang mewakili kota sedang dan

Kota Blitar yang mewakili kota kecil. Data-data yang dibutuhkan dalam penelitian ini adalah

berupa data primer dan data sekunder. Data primer diperoleh melalui pembagian kuesioner

dan wawancara. Jumlah responden yang digunakan dalam penelitian ini adalah sebesar 100

responden untuk masing-masing kota. Sedangkan data sekunder didapat dari instansi seperti

Kepolisian Daerah Jawa Timur, Bappeda, Dinas Perhubungan Kota Malang dan Kota Blitar.

Metode analisis yang digunakan adalah analisis deskriptif frekuensi dan analisis statistik

regresi logistik. Analisis deskriptif frekuensi digunakan untuk mengetahui karakteristik

pengguna sepeda di wilayah studi seperti karakteristik sosio-ekonomi, karakteristik

pergerakan, dan karakteristik perilaku. Analisis statistik regresi logistik digunakan untuk

membuat prediksi model peluang kecelakaan dengan variabel karakteristik pengguna sepeda

(sosio-ekonomi, pergerakan, dan perilaku).

Dari hasil survei kuesioner dan wawancara yang telah dilakukan diketahui jika

mayoritas pengguna sepeda di Kota Malang pernah mengalami kecelakaan saat bersepeda,

sedangkan mayoritas pengguna sepeda di Kota Blitar tidak pernah mengalami kecelakaan

saat bersepeda. Dengan analisis statistik regresi logistik dibuat model peluang kecelakaan

berdasarkan karakteristik sosio-ekonomi, karakteristik pergerakan, dan karakteristik

perilaku. Model peluang kecelakaan yang melibatkan pengguna sepeda di Kota Malang

dirumuskan 𝑃(𝐵𝐴) =1

1+𝑒−(2,959+1,134𝑥3−1,624𝑥4−1,298𝑥12−1,368𝑥15) , dimana X3 = pendidikan, X4 =

pekerjaan, X12 = intensitas penggunaan sepeda, dan X15 = perilaku memeriksa rem.

Sedangkan model peluang kecelakaan yang melibatkan pengguna sepeda di Kota Blitar

dirumuskan dengan 𝑃(𝐵𝐴) =1

1+𝑒−(−1,586+0,949𝑥13+1,388𝑥25), dimana X13 = waktu mulai beraktivitas,

dan X25 = perilaku bersendau gurau.

Kata Kunci : Model Peluang, Kecelakaan Sepeda, Regresi Logistik, Kota Malang Kota

Blitar.

xvi


xvii

SUMMARY

Deby Eka Prima Yoga and Ahmad Rizaldi Putra Pradana, Civil Engineering

Department, Faculty of Engineering of Brawijaya University, July 2017, Probability

Prediction Model of Bicycle Accident in Malang City and Blitar, Academic Supervisor : Dr.

Ir. Muhammad Zainul Arifin, MT and Imma Widyawati Agustin, ST., MT., Ph.D.

Growth of transportation especially mode of transportation bring positive effects for

human activities, but the other side appear negative effects which resulted by traffic

accident. Based accident data from East Java Police Departement at 2017, the number of

traffic accident in Malang City last 3 years was increased. While in Blitar City tend to

decreased. Despite an increase and decline, however still available accidents involving

bicycles in Malang and Blitar City. The purpose of this study (1) knowing characteristic of

cyclist in Malang and Blitar City, (2) knowing accident characteristic of cyclist in Malang

and Blitar City, (3) modeling of probability prediction of bicycle accident involving cyclist

in Malang and Blitar City.

This study conducted in two cities, that is Malang City who figure medium city and

Blitar City figure small city in East Java. Data needed in this study is primary and secondary

data. Primary data obtained from questionnaries and interviews. The number of respondents

as much 100 respondents for each cities. While the secondary data obtained from institutes

like East Java Police Departement, Bappeda, Ministry of Transport of Malang and Blitar

City. Method of analysis used is descriptive analysis of frequency and logistic regression

statistics analysis. Descriptive analysis of frequency used to knowing characteristic of cyclist

in study area such as a socio-economic background, travel characteristics and riding

behavior characteristics. Logistic regression statistics analysis used to modeling of

probability prediction accident with cyclist characteristic variables (socio-economic, travel

and riding behavior).

From questionnaire and interviews survey results which has been done is known that

the majority of bicycle users in Malang City had an accident when cycling, while the majority

of bicycle users in Blitar City never had an accident when cycling. By logistic regression

statistics analysis made probability prediction accident models based socio-economic

background, travel characteristics, and riding behavior characteristics. The model of

probability prediction of bicycle accident in Malang City is 𝑃(𝐵𝐴) =1

1+𝑒−(2,959+1,134𝑥3−1,624𝑥4−1,298𝑥12−1,368𝑥15),

X3 = education, X4 = occupation, X12 = intensity of

bicycle use, and X15 = break checking behaviour. The model of probability prediction of

bicycle accident in Blitar City is 𝑃(𝐵𝐴) =1

1+𝑒−(−1,586+0,949𝑥13+1,388𝑥25), X13 = activity start time

and X25 = joking behavior.

Keywords : Probability Model, Cycle Accident, Logistic Regression, Malang City Blitar

City.

xviii


1

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan transportasi saat ini sangatlah pesat. Hal ini dikarenakan kebutuhan

masyarakat yang semakin meningkat, berbanding lurus dengan kebutuhan moda transportasi

yang masyarakat butuhkan agar dapat menunjang kegiatan mereka. Menurut Marsaid dan

Ahsan (2013) perkembangan kendaraan sebagai alat transportasi membawa dampak positif

bagi pemenuhan dan peningkatan kesejahteraan manusia, terutama sebagai alat mobilisasi

guna memperlancar aktivitas sehari-hari. Namun hal ini juga diiringi dengan timbulnya

beberapa dampak negatif yang tidak diinginkan, seperti kemacetan dan meningkatkanya

angka kecelakaan lalu lintas.

Undang-Undang Republik Indonesia Nomor 22 tahun 2009 mengatur tentang kendaraan

tidak bermotor. Dalam peraturan tersebut disebutkan bahwa pemerintah harus memberikan

kemudahan berlalu lintas bagi pesepeda. Pesepeda berhak memiliki hak atas fasilitas

pendukung keamanan, ketertiban, kelancaran, dan keselamatan dalam berlalu lintas. Dengan

adanya peraturan tersebut Pemerintah Daerah di Kota Malang dan Kota Blitar sudah

menyediakan jalur sepeda untuk memberikan kenyamanan dan keleluasaan bagi pengguna

sepeda. Jalur sepeda ini dibuat dengan memenuhi standar keselamatan agar pengguna sepeda

merasa aman dan nyaman dalam berkendara. Namun, tidak jarang para pengguna moda

transportasi bermotor menggunakan jalur khusus sepeda ini sehingga pengguna sepeda

mengalami kecelakaan akibat pengendara moda transportasi lain yang tidak berhak untuk

melintasi lajur sepeda. Selain itu akibat bercampurnya semua kendaraan bermotor termasuk

sepeda pada ruas yang sama di semua fungsi jalan seperti jalan arteri, kolektor, dan

lingkungan juga mengakibatkan kecelakaan terhadap pengguna sepeda sangat rawan terjadi.

Kecelakaan lalu lintas menurut UU Nomor 22 Tahun 2009 Pasal 1 Ayat 24 tentang Lalu

Lintas dan Angkutan Jalan adalah suatu peristiwa di jalan yang tidak diduga dan tidak

disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan

korban manusia dan atau kerugian harta benda. Kecelakaan banyak dipengaruhi oleh

beberapa faktor, antara lain faktor manusia, faktor kendaraan, faktor jalan dan faktor

2

lingkungan. Kecelakaan akibat faktor manusia dipengaruhi oleh karakteristik individu

pengendara. Faktor kendaraan dipengaruhi oleh kondisi kehandalan komponen-komponen

pada kendaraan untuk melakukan manuver pada saat kendaraan itu bergerak. Faktor jalan

dipengaruhi oleh kondisi infrastruktur jalan yang mendukung kenyamanan, keselamatan dan

keamanan dalam berkendara. Sedangkan faktor lingkungan dipengaruhi oleh buruknya

cuaca yang ada di sekitar lokasi kecelakaan yang dapat mempengaruhi daya pandang

pengemudi dalam berkendara (Warpani,1999).

Kota Malang merupakan kota terbesar kedua di Provinsi Jawa Timur yang memiliki

permasalahan transportasi seperti kemacetan dan tingkat kecelakaan yang cukup tinggi.

Tingkat kecelakaan di Kota Malang setiap tahunnya semakin meningkat, tercatat pada tahun

2015 terdapat 330 kasus kecelakaan yang terjadi di jalan raya. Hal ini meningkat 66%

dibandingkan dengan tahun 2014 dimana hanya terdapat 199 kasus kecelakan. Pada tahun

2016 angka kecelakaan juga meningkat 8% dengan rincian 356 kasus kecelakaan yang

mengakibatkan 82 korban meninggal dunia dan 428 korban luka ringan. Total kerugian yang

ditimbulkan akibat kecelakaan di Kota Malang tahun 2016 tercatat mencapai Rp.

245.905.000. Untuk kecelakaan yang melibatkan pengendara sepeda di Kota Malang tercatat

pada tahun 2014 dan 2015 terdapat 4 kasus dan pada tahun 2016 menurun menjadi 3 kasus

kecelakaan. Umumnya kasus kecelakaan sepeda di Kota Malang tersebut terjadi pada ruas

jalan yang tidak memiliki lajur khusus sepeda. Berdasarkan data kecelakaan dari pihak

kepolisian setidaknya hampir semua fungsi jalan seperti jalan arteri, kolektor, dan

lingkungan terdapat kasus kecelakaan sepeda (Polda Jatim,2017).

Lain halnya dengan Kota Blitar, jumlah kasus kecelakaan di kota ini dari tahun 2014

hingga 2016 tercatat mengalami penurunan. Pada tahun 2014 angka kecelakaan mencapai

218 kasus kecelakaan dan turun menjadi 199 kasus pada tahun 2015. Pada tahun 2016 angka

kecelakaan di Kota Blitar turun 18% dari tahun sebelumnya dengan rincian jumlah kasus

kecelakaan sebesar 165 kasus yang mengakibatkan 84 korban meninggal dunia, 35 korban

luka berat, dan 224 korban luka ringan. Kerugian akibat kecelakaan di Kota Blitar pada tahun

2016 ditaksir mencapai Rp. 99.000.000. Angka kecelakaan yang melibatkan pengendara

sepeda di Kota Blitar juga cenderung mengalami penurunan setiap tahunnya, tercatat pada

tahun 2014 terdapat 11 kasus dan turun menjadi 10 kasus pada tahun 2015, kemudian turun

menjadi 3 kasus kecelakaan pada tahun 2016 (Polda Jatim,2017).

3

Sejauh ini upaya yang dilakukan pemerintah untuk mengurangi kecelakaan yang

menimpa pengendara sepeda hanya sebatas memberi rambu-rambu yang ada pada lajur

sepeda. Dengan pemodelan peluang kecelakaan yang melibatkan pengendara sepeda

berdasarkan fungsi jalan ini diharapkan dapat digunakan untuk pertimbangan dalam

pengambilan keputusan terkait permasalahan keselamatan lalu lintas di wilayah studi.

Diharapkan dengan pemodelan kecelakaan berdasarkan fungsi jalan ini tingkat keselamatan

lalu lintas di Kota Malang dan Kota Blitar meningkat dan kasus kecelakaan yang terjadi di

kedua wilayah studi tersebut dapat menurun.

1.2 Identifikasi Masalah

Adapun identifikasi masalah dalam penelitian ini adalah sebagai berikut :

1. Pertumbuhan kendaraan bermotor yang terus mengalami peningkatan dan tidak

diimbangi dengan peningkatan prasarana mengakibatkan bertambahnya masalah

transportasi seperti kecelakaan. Setidaknya terdapat 356 kasus kecelakaan di Kota

Malang pada tahun 2016 dimana hanya sekitar 1% saja atau 3 kasus saja diantaranya

melibatkan pengguna sepeda sebagai korban dan 165 kasus kecelakaan di Kota Blitar

dengan 3 kasus kecelakaan yang mengakibatkan pengguna sepeda sebagai korban

(Polda Jatim,2017).

2. Kecelakaan yang terjadi pada pengguna sepeda di Kota Malang dan Kota Blitar

umumnya disebabkan oleh kelalaian pengguna kendaraan bermotor, dan kondisi korban

akibat kecelakaan sepeda di Kota Malang dan Kota Blitar paling banyak adalah luka

ringan (Polda Jatim,2017).

3. Gambar 1.1 menunjukkan kondisi lalu lintas yang bercampur antara kendaraan bermotor

dan tidak bermotor sehingga semua jenis kendaraan bergerak bersama dalam lajur yang

sama atau tidak terpisah. Selain itu masih banyak pengendara sepeda yang tidak

menggunakan alat keamanan bersepeda seperti helm khusus sepeda (Survei

Pendahuluan,2017).

4. Gambar 1.2 menunjukkan jalan yang saat ini beroperasi sudah banyak yang tidak sesuai

dengan hirarki fungsi jalan, terutama untuk lajur khusus sepeda dimana seringkali lajur

ini digunakan oleh kendaraan bermotor dan digunakan untuk aktivitas lain (Survei

Pendahuluan,2017).

5. Gambar 1.3 menunjukkan perilaku pengguna sepeda yang dapat membahayakan

keselamatan dirinya dan pengendara kendaraan yang ada di sekitarnya seperti membawa

muatan dalam jumlah besar (Survei Pendahuluan, 2017).

4

Gambar 1.1 Kondisi Lalu Lintas yang Bercampur

Sumber : Survei Pendahuluan,2017

Gambar 1.2 Kondisi Jalur Sepeda yang Digunakan Untuk Aktivitas Lain

Sumber : Survei Pendahuluan,2017

5

Gambar 1.3 Perilaku Pesepeda yang Membawa Muatan Berlebih

Sumber : Survei Pendahuluan, 2017

1.3 Rumusan Masalah

Adapun permasalahan penting dalam penelitian ini adalah :

1. Bagaimana karakteristik pengguna sepeda di Kota Malang dan Kota Blitar ?

2. Bagaimana karakteristik kecelakaan yang melibatkan pengguna sepeda di Kota

Malang dan Kota Blitar ?

3. Bagaimana model prediksi peluang terjadinya kecelakaan yang melibatkan pengguna

sepeda di Kota Malang dan Kota Blitar ?

1.4 Ruang Lingkup Masalah

1.4.1 Ruang Lingkup Wilayah

Ruang lingkup wilayah pada penelitian ini adalah sebagai berikut :

1. Lokasi studi adalah Kota Malang dan Kota Blitar, kedua kota ini dipilih dengan

pertimbangan Kota Malang merupakan kota terbesar kedua di Provinsi Jawa Timur

yang mewakili kota menengah dan Kota Blitar mewakili kota kecil.

6

Gambar 1.4 Wilayah Administrasi Kota Malang

7

Gambar 1.5 Wilayah Administrasi Kota Blitar

8

1.4.2 Ruang Lingkup Materi

Ruang lingkup materi pada penelitian ini adalah sebagai berikut :

1. Karakteristik pengguna sepeda yang diamati dalam penelitian ini fokus kepada

karakteristik pengendara meliputi karakteristik sosio-ekonomi, karakteristik

pergerakan, dan karakteristik perilaku berdasarkan Tamin (2000) dan Khisty and

Lall (2003).

2. Karakteristik sosio-ekonomi yang diamati dalam penelitian ini meliputi usia, jenis

kelamin, pendidikan, pekerjaan, penghasilan, kepemilikan sepeda, jumlah

kepemilikan sepeda, dan kepemilikan kendaraan lain berdasarkan Tamin (2000),

Patriya (2008).

3. Karakteristik pergerakan yang diamati dalam penelitian ini meliputi maksud tujuan

pergerakan, waktu tempuh perjalanan, jarak tempuh perjalanan, intensitas

penggunaan, dan waktu mulai beraktivitas (Tamin, 2000).

4. Karakteristik perilaku pengguna sepeda yang diamati dalam penelitian ini adalah

perilaku sebelum bersepeda dan perilaku saat bersepeda berdasarkan Khisty and

Lall, (2003), Indriastuti dan Sulistio (2010).

5. Karakteristik kecelakaan yang diamati dalam penilitian ini adalah berdasarkan

pengalaman responden di wilayah studi tentang kecelakaan saat bersepeda

meliputi kerugian akibat kecelakaan, waktu kejadian kecelakaan, dan penyebab

kecelakaan (Warpani,1999).

6. Responden yang diambil pada penelitian ini adalah pengguna sepeda yang

setidaknya aktif bersepeda minimal sekali dalam kurun waktu 6 bulan terakhir atau

pengguna sepeda yang pernah terlibat maupun tidak pernah terlibat kecelakaan di

Kota Malang dan Kota Blitar.

7. Dalam penelitian ini untuk membuat model peluang kecelakaan, analisis yang

digunakan adalah regresi logistik (Indriastuti dan Sulistio, 2010) dengan variabel

karakteristik pengguna (sosio-ekonomi, pergerakan, dan perilaku). Analisis regresi

logistik dipilih dibandingkan regresi linier karena karena multivariate normal

distribution-nya tidak dapat dipenuhi dan variabel penjelasnya merupakan variabel

kategori dan distribusinya binomial bukan distribusi normal.

9

1.5 Tujuan Penelitian

Tujuan dari pelaksanaan studi ini adalah :

1. Mengetahui karakteristik pengguna sepeda di Kota Malang dan Kota Blitar.

2. Mengetahui karakteristik kecelakaan yang melibatkan pengguna sepeda di Kota

Malang dan Kota Blitar.

3. Membuat model prediksi peluang kecelakaan yang melibatkan pengguna sepeda di

Kota Malang dan Kota Blitar.

1.6 Manfaat Penelitian

Manfaat studi tentang model prediksi peluang kecelakaan yang melibatkat pengguna

sepeda di Kota Malang dan Kota Blitar ini adalah :

1. Untuk kalangan akademis dapat digunakan sebagai acuan dalam menyusun atau

membuat penelitian serupa di masa mendatang.

2. Untuk pemerintah atau instansi terkait dapat digunakan sebagai acuan dalam

pengambilan keputusan berupa kebijakan atau peraturan di lapangan sehinga

diharapkan dapat meningkatkan keselamatan pengguna sepeda.

10


11

11

BAB II

TINJAUAN PUSTAKA

2.1 Karakteristik Sepeda

Sepeda adalah alat transportasi beroda dua, yang dijalankan dengan cara mengayuh

pedal (tidak bermotor) dan memiliki sebuah tempat duduk atau sadel bagi penggunanya serta

didesain sedemikian rupa sehingga mudah untuk dijalankan.

Menurut Undang-Undang Lalu Lintas dan Angkutan Jalan Tahun 1992 konstruksi

sepeda harus dibuat cukup kuat agar dapat dioperasikan dijalan sesuai dengan

peruntukannya. Sepeda harus dilengkapi dengan satu buah lampu dibagian depan yang

mengeluarkan cahayaputih atau kuning yang diarahkan ke depan bawah sehingga dapat

menerangi jalan di depannya sejauh 5 m. Bagian belakang sepeda juga harus dilengkapi

dengan lampu atau pemantul cahaya berwarna merah agar keberadaan sepeda dapat

diketahui oleh kendaraan di belakangnya. Selain itu, sepeda juga harus dilengkapi dengan

rem yang bekerja dengan baik serta tuter atau alat peringatan yang bunyinya dapat didengar

dari jarak minimum 15 m.

2.1.1 Bagian-Bagian Sepeda

Dalam peraturan SNI 1049 : 2008 disebutkan, terdapat bagian-bagian pada sepeda.

Bagian-bagian tersebut antara lain:

Gambar 2.1 Bagian-bagian Sepeda

Sumber : SNI 1049 : 2008

12

Keterangan Gambar:

1. Grip

2. Tuas rem

3. Bel

4. Batang Kemudi

5. Kabel rem

6. Lampu

7. Rem depan

8. Keranjang

9. Dynamo

10. Sepatu rem

11. As roda

12. Cagak keranjang

13. Garpu depan

14. Cagak fender

15. Penutup rantai

16. Gir depan

17. Batang engkol

18. Pedal

19. Rantai

20. Velg

21. Rear derailleur

22. Pentil ban

23. Jeruji

24. Reflektor roda

25. Ban luar

26. Pelindung jeruji

27. Reflector belakang

28. Fender

29. Boncengan

30. Rem belakang

31. Sadel

32. Batang sadel

33. Rangka

34. Stang kemudi

35. Gir belakang

36. Expender Bolt

2.2 Karakteristik Pengguna Sepeda

2.2.1 Karakteristik Sosio Ekonomi

Karakteristik sosial ekonomi pengguna memiliki pengaruh terhadap kepemilikan

sepeda, karakteristik pergerakan, dan perilaku pengguna sepeda. Dalam kajian ini

pembahasan karakteristik sosial ekonomi pengguna sepeda adalah meliputi usia, jenis

kelamin, pendidikan, jenis pekerjaan, dan penghasilan (Patriya,2008).

a. Usia Pengemudi

Usia pengemudi sangat berpengaruh terhadap terjadinya kecelakaan lalu lintas

di jalan raya. Menurut Kartika (2009) kecelakaan lalu lintas terjadi pada pengemudi

yang berada pada rentang usia 18-24 tahun atau disebut pengemudi pemula. Hal ini

disebabkan karena pada usia tersebut tingkat emosi masih belum stabil

13

b. Jenis Kelamin

Menurut Hubdat (2006) angka kecelakaan lalu lintas yang melibatkan

pengendara pria sebagai korban lebih tinggi dari pada wanita. Di Indonesia, korban

cedera akibat kecelakaan lalu lintas sebesar 81 % yang melibatkan pengendara pria

dan 19 % yang melibatkan pengendara wanita (Nanbasa,1981).

c. Pendidikan

Menurut Soekanto (2003) pendidikan adalah alat yang akan membina maupun

mendorong seseorang untuk berfikir secara logis dan rasional, dapat meningkatkan

kesadaran untuk menggunakan waktu sebaik mungkin dengan menyerap banyak

keahlian dan keterampilan sehingga menjadi cepat tanggap terhadap gejala sosial

yang terjadi. Pendidikan mencerminkan status individu atau kedudukan individu

tersebut dalam suatu pekerjaan. Pekerjaan juga berhubungan dengan keahlian

seseorang dalam melakukan pekerjaan. Pada umumnya pengendara yang

mempunyai latar belakang pendidikan rendah mempunyai sifat untuk sulit diajak

bekerja sama dan sulit menerima pembaharuan. Hal ini disebabkan masih adanya

nilai-nilai lama yang mereka anut selama ini (Kartika,2009)

d. Pekerjaan

Pekerjaan berkaitan dengan jarak yang akan ditempuh oleh pengendara sepeda

ke lokasi tempat kerja. Semakin jauh jaraknya akan berpengaruh dengan kondisi fisik

pengendara sepeda. Kondisi fisik yang berpengaruh antara lain kelelahan. Kelelahan

dapat menyebabkan kemampuan pengemudi menjadi menjadi berkurang sehingga

berpengaruh pada konsentrasi, pengambilan keputusan dan tingkat emosi pengemudi

(Sartono,1993).

e. Penghasilan

Penghasilan berkaitan dengan terjadinya kecelakaan lalu lintas. Di negara maju,

mayoritas korban kecelakaan lalu lintas adalah pengemudi dan penumpang

sedangkan di negara ekonomi rendah sampai sedang, sebagian besar korban adalah

pejalan kaki, pengendara sepeda motor dan pemakai kendaraan umum. Untuk di

Indonesia, hampir 70% korban kecelakaan lalu lintas adalah pengendara sepeda

motor dengan golongan umur 15-55 tahun dengan penghasilan rendah (Yusherman,

2008).

14

2.2.2 Karakteristik Pergerakan

Pergerakan terbentuk akibat adanya aktivitas yang dilakukan bukan di tempat

tinggalnya. Artinya keterkaitan antar wilayah ruang sangatlah berperan dalam menciptakan

perjalanan dan pola sebaran tata guna lahan sangat mempengaruhi pola perjalanan orang

(Tamin,2000).

1. Pergerakan Tidak Spasial

a. Sebab Terjadinya Pergerakan

Sebab terjadinya pergerakan dapat dikelompokan berdasarkan maksud perjalanan

biasanya maksud perjalanan dikelompokkan sesuai dengan ciri dasarnya yaitu

berkaitan dengan ekonomi, sosial budaya, pendidikan, agama (Tabel 2.1).

b. Waktu Terjadinya Pergerakan

Waktu terjadi pergerakan sangat tergantung pada kapan seseorang melakukan

aktivitasnya sehari-hari. Dengan demikian waktu pergerakan sangat tergantung pada

maksud perjalanannya.

c. Jenis Sarana Angkutan yang Digunakan

Selain berjalan kaki, dalam melakukan perjalanan orang biasanya dihadapkan pada

pilihan jenis angkutan seperti sepeda, sepeda motor, mobil dan angkutan umum.

Dalam menentukan pilihan jenis angkutan, orang memepertimbangkan berbagai

faktor, yaitu maksud perjalanan, jarak tempuh, biaya, dan tingkat kenyamanan.

2. Pergerakan Spasial

Ciri pergerakan spasial (dengan batas ruang) di dalam kota berkaitan dengan distribusi

spasial tata guna lahan yang terdapat di dalam suatu wilayah. Dalam hal ini, konsep

dasarnya adalah bahwa suatu perjalanan dilakukan untuk melakukan kegiatan tertentu

di lokasi yang dituju, dan lokasi tersebut ditentukan oleh tata guna lahan kota tersebut.

a. Pola Perjalanan Orang

Dalam hal ini pola penyebaran spasial yang sangat berperan adalah sebaran spasial

dari daerah industri, perkantoran dan pemukiman. Pola sebaran spasial dari ketiga

jenis tata guna lahan ini sangat berperan dalam menentukan pola perjalanan orang,

terutama perjalanan dengan maksud bekerja.

b. Pola Perjalanan Barang

Pola perjalanan barang sangat dipengaruhi oleh aktivitas produksi dan konsumsi,

yang sangat tergantung pada sebaran pola tata guna lahan pemukiman (konsumsi),

serta industri dan pertanian (produksi).

15

Tabel 2.1

Klasifikasi Pergerakan Orang di Perkotaan Berdasarkan Maksud Pergerakan

Aktivitas Klasifikasi Perjalanan Keterangan

1. Ekonomi

Mencari nafkah

Mendapatkan

barang dan

pelayanan

a. Ke dan dari tempat kerja

b. Yang berkaitan dengan

bekerja

c. Ke dan dari toko dan keluar

untuk keperluan pribadi

Jumlah orang yang bekerja yidak

tinggi sekitar 40 – 50 % penduduk.

Perjalanan yang berkaitan dengan

pekerjaan termasuk :

a. Pulang ke rumah

b. Mengangkut barang

c. Ke dan dari rapat

Pelayanan hiburan dan rekreasi

diklasifikasikan secara terpisah,

tetapi pelayanan medis, hukum

dan kesejahteraan termasuk di sini.

2. Sosial

Menciptakan, menjaga

hubungan pribadi

a. Ke dan dari rumah teman

b. Ke dan dari tempat

pertemuan bukan di rumah

Kebanyakan fasilitas terdapat

dalam lingkungan keluarga dan

tidak menghasilkan banyak

perjalanan. Butir 2 juga

terkombinasi dengan perjalanan

dengan maksud hiburan.

3. Pendidikan a. Ke dan dari sekolah,

kampus dan lain-lain.

Hal ini terjadi pada sebagian besar

penduduk yang berusia 5 – 22

tahun. Di negara sedang

berkembang jumlahnya sekitar 85

% penduduk.

4. Rekreasi dan Hiburan a. Ke dan dari tempat rekreasi

b. Yang berkaitan dengan

perjalanan dan

berkendaraan untuk

rekreasi

Mengunjungi restoran, kunjungan

sosial, termasuk perjalanan pada

hari libur.

5. Kebudayaan a. Ke dan dari tempat ibadah

b. Perjalanan bukan hiburan

ke dan dari daerah budaya

serta pertemuan poitik

Perjalanan kebudayaan dan

hiburan sangat sulit dibedakan

Sumber : LPM-ITB (1996,1997 ac) (Tamin,2000)

16

2.2.3 Karakteristik Perilaku

Patriya (2008) menjelaskan bahwa karakteristik pengendara berdasarkan perilakunya

dibedakan menjadi persiapan berkendara, sikap dalam berkendara, pengalaman berkendara,

perawatan berkendara, dan pengetahuan dalam berkendara.

a. Persiapan berkendara

Persiapan berkendara merupakan bagian dari safety riding yaitu upaya yang

dilakukan untuk mengurangi dampak terjadinya kecelakaan. Hal-hal yang berkaitan

dengan persiapan berkendara menurut Departemen Perhubungan Darat (2008) antara

lain :

Rem

Melakukan pengecekan rem bagian depan dan belakang kendaraan adalah salah

satu persiapan sebelum berkendara. Selain itu, periksa juga tinggi permukaan minyak

rem dan jarak tuas rem

Ban/Roda

Ban yang dalam kondisi aus dan tekanan angina yang tidak sesuai dengan

persyaratan akan menyebabkan jarak pengereman semakin panjang dan

pengendalian menjadi tidak stabil saat menikung.

Instrumen Lampu

Instrumen lampu perlu dilakukan pengecekan agar semua instrument dapat

menyala sebagaimana mestinya. Pastikan lampu sein, lampu rem dan lampu depan

dapat menyala semua. Lampu sein dan lampu rem berguna untuk memberi tanda

kepada pengguna kendaraan lain mengenai tujuan yang akan dilakukan oleh

pengendara kendaraan bermotor maupun tidak bermotor.

Kaca Spion

Posisi kaca spion yang benar akan memberikan jarak pandang yang lebih luas.

Melihat kaca spion pada saat berkendara sangat penting guna memeriksa langsung

kondisi di sekitar pengendara.

b. Sikap dalam Berkendara

Selama dalam berkendara, pengendara harus memperhatikan hal-hal berikut agar

terhindar dari kecelakaan (Departemen Perhubungan Darat, 2008) :

- Membiasakan melakukan pengereman dengan menggunakan rem depan dan

belakang secara bersamaan atau dengan rincian penekanan sebesar 75 % rem

depan dan 25 % rem belakang.

17

- Berada di posisi lajur kiri (kecuali menyalip/mendahului). Selalu waspada

dengan kemunculan mendadak dari kendaraan yang datang dari arah

berlawanan

- Memberikan lampu sein sebagai tanda arah yang akan dituju kepada

pengemudi lain (+ 3 detik sebelumnya) dan perhatikan kaca spion sebelum

berpindah jalur

- Menyalakan lampu sein 30 meter sebelum persimpangan untuk memberi

tanda arah yang akan dituju kepada pengguna jalan lain.

- Waspada terhadap rintangan yang ada di jalan seperti lumpur, lubang, oli,

genangan, batu/kerikil dan pasir yang dapat menyebabkan kendaraan

tergelincir dan jatuh.

- Pengendara sangat tidak dianjurkan untuk mengendarai dengan satu tangan.

- Meningkatkan kewaspadaan ketika berkendara pada malam hari.

- Tidak diperkenankan mengendarai kendaraan di bawah pengaruh obat-

obatan dan minuman beralkohol.

- Patuhi rambu-rambu lalu lintas yang ada di jalan baik itu marka jalan, traffic

light maupun tanda yang ada di pinggir jalan.

2.3 Kecelakaan

Kecelakaan lalu lintas menurut UU Nomor 22 Tahun 2009 Pasal 1 Ayat 24 tentang Lalu

Lintas dan Angkutan Jalan adalah suatu peristiwa di jalan yang tidak diduga dan tidak

disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan

korban manusia dan atau kerugian harta benda.

2.3.1 Klasifikasi Kecelakaan

Menurut UU Nomor 22 Tahun 2009 tentang Lalu lintas dan Angkutan Jalan, kecelakaan

lalu lintas diklasifikasikan menjadi 3 bagian, yaitu :

a. Kecelakaan lalu lintas ringan, adalah kecelakaan yang mengakibatkan kerusakan

kendaraan dan/atau barang

b. Kecelakaan lalu lintas sedang, adalah kecelakaan yang mengakibatkan luka ringan

dan kerusakan kendaraan dan/atau barang

c. Kecelakaan lalu lintas berat, adalah kecelakaan yang mengakibatkan korban

meninggal dunia atau luka berat

18

Sedangkan kecelakaan jika diklasifikasikan berdasarkan lokasi kecelakaan, kecelakaan

lalu lintas dibagi menjadi:

a. Kecelakaan pada jalan lurus.

b. Kecelakaan pada tikungan jalan.

c. Kecelakaan pada persimpangan jalan.

d. Kecelakaan pada tanjakan, turunan, dataran, pegunungan, di luar kota maupun di

dalam kota.

Tabel 2.2

Klasifikasi Kecelakaan Berdasarkan Posisi Terjadinya

Gambar / Lambang Klasifikasi Keterangan

Tabrak Depan

Terjadi pada jalan lurus yang

berlawanan arah

Tabrak Belakang

Terjadi pada satu ruas jalan searah

Pengereman mendadak

Jarak kendaraan dalam kondisi

tidak terkontrol

Terjadi pada jalan lurus yang

searah

Pelaku menyiap kendaraan

Tabrak Samping

Terjadi pada jalan lurus lebih dari

1 lajur dan persimpangan jalan

Kendaraan yang mau menyiap

Tabrak Sudut

Tidak tersedia pengaturan lampu

atau rambu-rambu pada

persimpangan jalan

Mengemudikan kendaraan pada

kecepatan tinggi

Kehilangan Kontrol

Terjadi pada saat pengemudi

kehilangan konsentrasi

Kendaraan mengalami hilang

kendali

Sumber : Djoko Setijowarno, 2003, Pengantar Rekayasa Dasar Transportasi dalam (Hermariza, 2003) dan

(Maya, 2011)

19

2.3.2 Penyebab Kecelakaan

Menurut UU Nomor 22 Tahun 2009 Pasal 229 tentang Lalu Lintas dan Angkutan

Jalan, kecelakaan lalu lintas disebabkan oleh kelalaian pengguna jalan, ketidaklaikan

kendaraan dan ketidaklaikan jalan dan/atau lingkungan. Secara umum penyebab kecelakaan

dibagi menjadi 4 faktor, yaitu:

a. Faktor Manusia

Kecelakaan akibat faktor manusia disebabkan oleh 2 hal, yaitu :

Pengemudi

Manusia sebagai pengemudi memiliki faktor-faktor fisiologis dan psikologis.

Faktor-faktor tersebut perlu mendapat perhatian karena cenderung sebagai penyebab

potensial kecelakaan. Perilaku pengemudi berasal dari interaksi antara faktor

manusia dengan faktor lainnya termasuk hubungannya dengan unsur kendaraan dan

lingkungan jalan (Dwiyogo dan Prabowo,2006). Faktor-faktor fisiologis dan

psikologis yang mempengaruhi pengemudi dapat dilihat pada Tabel 2.6 berikut:

Tabel 2.3

Faktor Fisiologis dan Psikologis yang Mempengaruhi Pengemudi

Faktor Fisiologis Faktor Psikologis

Sistem Syaraf Motivasi

Penglihatan Intelegensia

Pendengaran Pelajaran / Pengalaman

Stabilitas Perasaan Emosi

Indera Lain (sentuh,bau) Kedewasaan

Modifikasi (lelah,obat) Kebiasaan

Sumber : (Robertus dan Sadar, 2007)

Menurut Sartono (1993), beberapa kriteria pengemudi sebagai faktor

penyebab kecelakaan lalu lintas adalah sebagai berikut :

- Pengemudi mabuk (drunk driver), yaitu keadaan dimana pengemudi mengalami

hilang kesadaran karena pengaruh alkohol, obat-obatan, narkotika dan sejenisnya

- Pengemudi mengantuk atau lelah (fatigue or overly tired driver), yaitu keadaan

dimana pengemudi membawa kendaraan dalam keadaan lelah atau mengantuk

akibat kurang istirahat sedemikian rupa sehingga mengakibatkan kurang waspada

serta kurang tangkas bereaksi terhadap perubahan-perubahan yang terjadi.

20

- Pengemudi lengah (emotional or distracted driver), yaitu keadaan dimana

pengemudi mengemudikan kendaraannya dalam keadaan terbagi konsentrasinya

karena melamun, ngobrol, menyalakan rokok, menggunakan ponsel, melihat

kanan-kiri, dan lain-lain.

- Pengemudi kurang antisipasi atau kurang terampil (unskilled driver), yaitu keadaan

dimana pengemudi tidak dapat memperkirakan kemampuan kendaraan, misalnya

kemampuan untuk melakukan pengereman, kemampuan untuk menjaga jarak

dengan kendaraan di depannya dan sebagainya.

Pejalan Kaki (Pedestrian)

Pejalan kaki adalah orang yang berjalan menggunakan fasilitas pejalan

kaki/trotoar. Pejalan kaki juga tidak luput dari kecelakaan, banyak kasus kecelekaan

yang melibatkan pejalan kaki misalnya menyeberang dengan tidak berhati-hati,

tidak menggunakan fasilitas yang sudah disediakan (jembatan penyeberangan dan

trotoar).

b. Faktor Kendaraan

Kendaraan adalah alat transportasi yang digunakan oleh manusia baik yang

menggunakan mesin maupun tidak yang bertujuan untuk memudahkan manusia

untuk berpindah dari satu tempat ke tempat lainnya. Menurut (Hoobs, 1979) dalam

konsep desain kendaraan bermotor harus memperhitungkan keamanan, kenyamanan

dan keselamatan pengendara, Aspek-aspek yang diperhatikan tersebut antara lain :

1. Kemampuan Penglihatan

2. Sistem Penerangan

3. Sistem Peringatan Kendaraan dan Instrumen Kendaraan

4. Rem

5. Stabilitas

6. Dimensi dan Berat Kendaraan

7. Performa Kendaraan

8. Percepatan/Akselerasi

c. Faktor Jalan

Sifat-sifat jalan juga berpengaruh pada penyebab kecelakaan lalu lintas. Sartono

(1993) menjelaskan ada beberapa hal dari bagian jalan yang dapat menyebabkan

terjadinya kecelakaan, seperti:

21

- Kerusakan pada permukaan jalan (misalnya terdapat lubang besar yang sulit

dihindari oleh pengemudi)

- Konstruksi jalan yang rusak / tidak sempurna (misalnya retak bahu jalan terlalu

rendah bila dibandingkan dengan permukaan jalan, lebar perkerasan dan bahu

jalan terlalu sempit untuk berpapasan)

- Geometrik jalan yang kurang sempurna (misalnya superlevasi pada tikungan

terlalu curam atau terlalu landai, jari-jari tikungan terlalu kecil, pandangan

pengemudi terlalu sempit, kombinasi alinyemen vertikal dan horizontal kurang

sesuai, penurunan dan kenaikan jalan terlalu curam dan lain-lain).

d. Faktor Lingkungan

Menurut data Direktorat Jenderal Perhubungan Darat – Departemen

Perhubungan, persentase faktor penyebab kecelakaan dapat diuraikan menurut Tabel

2.4 berikut:

Tabel 2.4

Faktor Penyebab Terjadinya Kecelakaan

Faktor

Penyebab Uraian

Persentase

(%)

Manusia

Lengah, mengantuk, mabuk, kecepatan tinggi, tidak

menjaga jarak, kesalahan pejalan kaki

93,52

Kendaraan

Kerusakan rem, ban pecah, kerusakan kemudi,

kerusakan as kopel, lampu tidak berfungsi

2,76

Jalan

Persimpangan sempit, marka jalan tidak jelas,

permukaan jalan licin, tidak ada rambu batas kecepatan

3,23

Lingkungan

Lalu lintas tercampur antara kendaraan lambat dan

kendaraan cepat, interaksi campur antara kendaraan

dan pejalan kaki, pengawasan dan penegakan hukum

yang tidak efektif, pelayanan gawat darurat yang

kurang cepat, cuaca hujan, kabut, asap dan gelap

0,49

Sumber : Direktorat Jenderal Perhubungan Darat – Departemen Perhubungan (Tamin,2000)

22

2.3.3 Korban Kecelakaan Lalu Lintas

Menurut Peraturan Pemerintah Nomor 43 Tahun 1993 Tentang Prasarana dan Lalu

Lintas Jalan, korban kecelakaan lalu lintas terbagi dalam :

a. Korban mati atau meninggal dunia adalah korban yang dipastikan meninggal sebagai

akibat dari kecelakaan lalu lintas dalam jangka waktu paling lama 30 hari setelah

kecelakaan tersebut terjadi.

b. Korban luka berat adalah korban yang karena luka-lukanya menderita cacat tetap

atau harus dirawat dalam jangka waktu lebih dari 30 hari sejak terjadinya kecelakaan

c. Korban luka ringan adalah korban kecelakaan yang mengalami luka tidak terlalu

parah dan tidak memerlukan rawat inap atau harus dirawat inap di rumah sakit dari

30 hari setelah terjadinya kecelakaan.

2.4 Populasi dan Sampel

2.4.1 Populasi

Populasi merupakan setiap subjek yang memenuhi kriteria yag teah ditentukan atau

sekumpulan subjek dalam satu situasi tertentu yang mempunyai kesamaan ciri tertentu.

Populasi dapat berbentuk orang, kelompok orang, benda, kejadian, dan kasus. Populasi

adalah wilayah generalisasi yang terdiri atas objek/subjek yang mempunyai kualitas dan

karakteristik yang telah ditetapkan oleh peneliti untuk dipelajari dan diteliti serta untuk

diambil kesimpulan (Sugiyono, 2005).

2.4.2 Sampel

Sampel merupakan bagian atau anggota dari populasi yang dipilih dengan

menggnakan prosedur tertentu sehingga diharapkan dapat mewakili populasinya. Suatu

sampel yang jumlahnya sedikit akan lebih mudah untuk diteliti secara mendalam sehingga

akan memberikan informasi yang lebih banyak daripada keseluruhan populasi yang

diteliti dan memberikan lebih sedikit kesalahan. Sampel digunakan dalam penelitian

dengan dasar pertimbangan sebagai berikut :

a. Populasi tidak terdefinisi, populasi tak terhingga atau sangat besar sehingga kecil

kemungkinan untuk diteliti satu persatu. Jika terpaksa dilakukan maka akan

memakan waktu yang lama dan biaya yang besar.

b. Pengamatan / penelitian terhadap semua anggota yang ada di populasi dapat

bersifat merusak

c. Menghemat waktu, tenaga dan biaya

23

d. Mampu memberikan informasi secara menyeluruh dan lebih dalam. Sampel yang

bersifat kecil / berjumlah sedikit akan mudah diteliti secara mendalam karena

dapat memberikan informasi lebih banyak terhadap peneliti sehingga

meminimalisir kesalahan yang terjadi.

2.4.3 Teknik Sampling

Teknik sampling adalah salah satu cara yang digunakan untuk mengambil sampel dari

suatu populasi. Pada dasarnya teknik sampling dibedakan menjadi dua yaitu pengambilan

sampel secara acak (probability sampling) dan pengambilan sampel secara tidak acak

(nonprobability sampling). Untuk lebih jelasnya, dapat dilihat pada bagan berikut :

Gambar 2.2 Pembagian Teknik Sampling

Sumber : Sugiarto dkk (2003)

1. Probability Sampling

Probability sampling didasari oleh pengambilan sampel yang memberikan setiap

anggota populasi untuk memiliki kesempatan dipilih sebagai sampel.

a. Acak Sederhana

Acak sederhana adalah teknik sampling yang disusun secara sederhana

kemudian responden dalam suatu populasi disusun secara acak. Metode ini dapat

digunakan jika anggota populasi dianggap sejenis / homogen.

b. Sistematik

Metode ini hampir sama dengan metode acak sederhana, yang

membedakan hanya pada persiapan rekapitulasi populasi. Metode ini mengambil

Acak sederhana

Sistematik

Berstrata

Kelompok (cluster)

Convenience

Judgement

Quota

Snowball

Teknik

Sampling

Probability Sampling Non Probability Sampling

24

unit populasi secara sistematis, misalnya memilih angka ganjil sebagai responden

terpilih.

c. Berstrata

Metode ini digunakan dengan cara membagi populasi ke dalam kelompok-

kelompok yang sejenis atau strata, kemudian diambil secara acak berdasarkan

tiap strata.

d. Kelompok

Metode ini digunakan untuk memilih sampel yang terdiri dari beberapa

kelompok dimana setiap kelompok tersebut terdiri dari beberapa unit yang lebih

kecil. Jumlah unit dari tiap kelompok bisa berbeda atau sama jumlahnya.

Kemudian kelompok-kelompok tersebut dipilih menggunakan metode acak

sederhana / sistematis dengan pengacakan pengambilan responden pada

kelompok yang pertama saja.

2. Nonprobability Sampling

Metode nonprobability sampling tidak pernah menggunakan hukum probabilitas untuk

mengolah data sampel. Metode ini dilakukan dengan cara mengambil wakil dari suatu

populasi untuk dipilih menjadi sampel.

a. Sampling Kemudahan (convenience sampling)

Sampel diambil berdasarkan pada ketersediaan sampel dan kemudahan

mendapatkan. Sampel dipilih karena berada pada tempat dan waktu yang tepat.

b. Sampel Pertimbangan (Judgement Sampling)

Sampel dipilih karena sudah melalui penetapan kriteria-kriteria yang sudah

ditentukan sebelumnya. Pada metode ini pengalaman dan subjektifitas dari

seorang peneliti sangat berperan.

c. Quota Sampling

Metode ini dilakukan dalam dua tahap. Tahap yang pertama yaitu

menentukan kuota dari populasi yang akan diteliti. Tahap kedua yaitu

menentukan bagaimana sampel akan diambil tergantung pada kondisi yang ada.

Metode ini hampir sama dengan judgement sampling, yang membedakan dari

kedua metode ini adalah batasan sampel yang diambil dari suatu populasi.

d. Snowball Sampling

Pengambilan sampel pada metode dilakukan secara berantai, yaitu dengan

menentukan sampel dari hal yang terkecil ke yang terbesar.

25

2.5 Analisis Data

2.5.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif adalah suatu analisis yang dapat diartikan sebagai pemecah

masalah yang diselidiki dengan menggambarkan / melukiskan keadaan subjek / objek

penelitian (seseorang, lembaga, masyarakat dan lain-lain) pada saat sekarang berdasarkan

fakta-fakta yang tampak atau sebagaimana adanya.

Analisis deskriptif merupakan analisis yang menggambarkan keadaan atau peristiwa

sebagaimana mestinya sehingga hanya sebatas menggambarkan fakta. Data yang dianalisis

dengan metode ini adalah data karakteristik pengendara sepeda di wilayah studi. Dalam

penelitian ini analisis yang digunakan adalah analisis frekuensi, analisis ini dipilih karena

memiliki keunggulan dibandingkan analisis lain. Menurut Subagyo (2012) analisis frekuensi

memudahkan dan mempercepat memahami isi data yang disusun dalam bentuk diagram.

2.5.2 Analisis Statistik Regresi Logistik

Regresi Logistik digunakan karena multivariate normal distribution-nya tidak dapat

dipenuhi dan variabel penjelasannya merupakan campuran antara variabel kontinyu dan

kategori logistic regression menyederhanakan transformasi non linier dari regresi linier.

Distribusi logistik adalah fungsi distribusi berbentuk S yang mirip kepada distribusi standar-

normal. Distribusi logit membatasi estimasi probabilitas antara 0 sampai dengan 1. Hal ini

membedakan dengan regresi linier biasa, yang nilai variabel dependen (variabel respon) bisa

bernilai < 0 atau > 1. Tabel berikut menunjukkan perbedaan antara regresi linier dan regresi

logistik.

Tabel 2.5

Perbedaan Regresi Linier dan Regresi Logistik

Regresi Linier Regresi Logistik

Statistik Inference Parametrik Non Parametrik

Variabel Respon Interval / Rasio Nominal / Ordinal

Variabel Penjelas Interval / Rasio Nominal / Ordinal / Interval / Rasio

Distribusi Normal Binomial

Metode Kuadrat terkecil (Least

Square)

Kuadrat terkecil terbobot (Least square

weighted) Maximum Likelihood

Bentuk Kurva Garis lurus / linier Sigmoidal S-Shape

Keluaran Nilai kuantitatif Peluang (ya/tidak)

26

Tabel 2.5

Perbedaan Regresi Linier dan Regresi Logistik (lanjutan)

Regresi Linier Regresi Logistik

Persamaan Linear sederhana

Y = B0 + B1X1

Linear berganda

Y = B0 + B1X1 + B2X2 + … +

BnXn

Y - 1

1+𝑒−(𝐵0 + 𝐵1𝑋1 + 𝐵2𝑋2 + … + 𝐵𝑛𝑋𝑛)

Odds dan probabilitas merupakan istilah yang sering digunakan dalam analisis logistic

regression. Pada dasarnya keduanya memberikan informasi yang sama tetapi dalam bentuk

yang berbeda. Odds dapat dirubah menjadi probabiltitas ataupun sebaliknya

P(i) = Odds(i)

1+ Odds(i) ......................................................................................................... (2-1)

Odds (i) = P(i)

1− P(i) ........................................................................................................ (2-2)

Pembentukkan model logit didasarkan pada fungsi peluang logistik kumulatif yang

dispesifikasikan sebagai berikut :

Pi = F(β0 + β1Xli) =1

1+ 𝑒−z = 1

1+ 𝑒−(β0 + β1Xli) ................................................................. (2-3)

Regresi linier menggunakan teknik least square yang meminimumkan jumlah selisih

kuadrat antara nilai prediksi Y dengan Y aktual. Regresi logistik membutuhkan prosedur

estimasi yang berbeda yaitu prosedur maximum likelihood yang digunakan secara iteratif

untuk memperoleh estimasi koefisien regresi yang paling mendekati. Untuk mengestimasi

koefisien, kurva yang berbentuk S tersebut dicocokkan kepada data aktual

Maximum likelihood estimation (MLE) adalah sebuah metode statistik untuk estimasi

koefisien dari sebuah model. MLE biasanya digunakan sebagai suatu alternatif untuk non-

linear least squares untuk persamaan nonlinear. Fungsi likelihood (L) mengukur

probabilitas serangkaian variabel dependen yang diamati (p1,p2 , …. , pn) yang muncul dari

sampel. Penulisannya sebagai probabilitas perkalian variabel dependen :

L = Prob (p1*p2***pn) .................................................................................................. (2-4)

Makin tinggi fungsi likelihood, maka makin tinggi pula probabilitas (p) dalam sampel.

MLE melakukan perhitungan koefisien (α, β) yang membuat logaritma fungsi likelihood

(LL<0) sebesar mungkin atau -2 kali logaritma fungsi likelihood (-2LL) sekecil mungkin.

MLE membuat penyelesaian kondisi berikut :

27

{Y – p (Y=1)} Xi = 0, dijumlahkan dari seluruh pengamatan (observasi)

Kelebihan model regresi logistik adalah kemudahan mengartikan prediksi Y (yang

bersifat dikotomi). Dari nilai dikotomi ini, prediksi Y dibulatkan antara 0 atau 1. Jika

prediksi Y diatas 0,50 maka dibulatkan menjadi 1. Untuk menghitung koefisien logistik

adalah dengan membandingkan probabilitas terjadinya dengan probabilitas peristiwa

tersebut tidak terjadi.

𝑃𝑟𝑜𝑏 (𝑒𝑣𝑒𝑛𝑡)

(𝑃𝑟𝑜𝑏 (𝑛𝑜 𝑒𝑣𝑒𝑛𝑡)= 𝑒𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + … + 𝛽𝑘𝑋𝑘 Odds ratio .............. (2-5)

Estimasi koefisien (βi) adalah ukuran sesungguhnya perubahan probabilitas. Untuk

selanjutnya harus ditransformasi balik dengan pendekatan antilog (log odds), sehingga

dapat diiterpretasikan sebagai efek perubahan Xi terhadap Y secara lebih benar. Program

komputer untuk statistik biasanya memberi nilai estimasi koefisien dalam bentuk asli

maupun bentuk transformasi balik. Tanda matematik koefisien tidak ikut berubah pada saat

transformasi balik. Hal ini bisa dilihat dari logika berikut :

a. Jika βi positif, maka antilognya akan >1, dengan demikian odds ratio akan

meningkat.

b. Jika βi negatif, maka antilognya akan <1, maka odds ratio akan menurun.

c. Jika βi = 0, tidak akan merubah odds ratio.

Pengujuian terhadap kecocokan model regresi logistik berbeda dengan regresi linier,

namun secara keseluruhan mirip dengan yang berlaku pada regresi berganda linier ; yaitu

dengan menjumlahkan kuadrat error dengan teknik nilai likelihood yaitu = -2 x log

likelihood atau -2 x LL. -2LL minimum = 0 dan maksimum = 1.

Null model adalah model yang dihitung menggunakan rata-rata yang merupakan basis

perbandingan uji kecocokkan model regresi logistik.

𝑅𝑙𝑜𝑔𝑖𝑡2 =

−2𝐿𝐿𝑛𝑢𝑙𝑙−(−2𝐿𝐿𝑚𝑜𝑑𝑒𝑙)

−2𝐿𝐿𝑛𝑢𝑙𝑙 ........................................................................................ (2-6)

0 ≤ 𝑅𝑙𝑜𝑔𝑖𝑡2 ≤ 1 ........................................................................................................... (2-7)

Terdapat dua uji terhadap model akhir. Pertama, adalah uji chi-square (χ2) untuk

perubahan nialai -2LL dari model awal, dan ini bisa disetarakan dengan uji-F pada model

regresi linier. Kedua, ukuran Hosmer dan Lameshow memiliki uji statistik yang

mengindikasikan bahwa tidak ada perbedaan yang signifikan secara statistik antara

klasifikasi yang diamai dengan yang diprediksi. Kedua uji ini dikombinasi untuk mendukung

28

penerimaan model dengan variabel bebas tersebut sebagai model regresi logistik yang

signifikan dan sesuai untuk analisis lebih lanjut.

Dalam menilai kesesuaian model, ada beberapa ukuran yang digunakan. Pertama, nilai

-2LL. Makin kecil nilai -2LL, makin baik kesesuaian model. Kedua, nilai Goodness of Fit,

adalah perbandingan probabilitas yang diprediksi dengan probabilitas yang diamati. Makin

tinggi nilai Goodness of Fit, model makin baik,. Tidak ada batas atas dan batas bawah untuk

ukuran ini.

Estimasi koefisien kedua variabel bebas dan konstan juga dievaluasi signifikasi

statistiknya. Statik Wald diunakan untuk menilai signifikasi, kecuali pada kasus dimana

koefisien sangat besar (jika menggunakan score statisic).

Cara-cara lain untuk menguji kecocokan model adalah seperti yang digunakan pada

Analisis Diskriminan atau dengan pendekatan Hosmer dan Lameshow. Statistik Percent

Correct Prediction (PCP) mengasumsikan jika p yang diestimasi lebih besar atau sama

dengan 0.50, maka peristiwa diharapkan terjadi dan sebaliknya.

Sedangkan prosedur metode Hosmer and Lameshow adalah :

a. Membagi data menjadi 10 kelas yang seimbang

b. Membandingkan prediksi Y dengan aktual pada tiap kelas dengan uji χ2. Uji ini

menghasilkan ukuran komprehensif akurasi prediksi dengan menggunakan nilai

prediksi Y tanpa menggunakan data likelihood.

Ketepatan penggunaan uji Hosmer dan Lameshow sangat tergantung pada kecukupan

data untuk menjamin bahwa setiap kelas paling sedikit memiliki lima observasi. Uji χ2 sangat

sensitif terhadap ukuran sampel. Makin besar sampelnya, ukuran ini memiliki akurasi yang

lebih tinggi.

Uji hipotesis tentang signifikansi koefisien variabel independen yaitu dengan Wald

Statistic. Statistik Wald untuk koefisien β adalah :

Wald = [𝛽/𝑠. 𝑒. 𝛽]2 ..................................................................................................... (2-8)

Statistik Wald secara sederhana dapat dihitung pula sebagai kuadrat dari nilai statistik

t. Uji hipotesis tentang signifikasi koefisien variabel independen secara simultan

menghasilkan likelihood ratio (LR), atau χ2, dimana :

LR[i] = -2 [ LL(α) – LL(α,β) ] ..................................................................................... (2-9)

29

Page |

29

2.6 Penelitian Terdahulu

Tabel 2.6

Penelitian Terdahulu

Judul Peneliti

Lokasi

Penelitian Tujuan Variabel

Analisis

Yang

Digunakan

Output Persamaan dan

Perbedaan

1 Model

Peluang

Kecelakaan

Sepeda Motor

Berdasarkan

Karakteristik

Pengendara

(Studi Kasus :

Surabaya,

Malang, dan

Sragen)

Tyas

Permanaw

ati

Kota

Surabaya,

Kota

Malang,

dan Kota

Sragen

(2010)

- Mengetahui

karakteristik

pengendara

sepeda motor

Membuat

model

peluang

kecelakaan

sepeda motor

berdasarkan

karakteristik

pengendara

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Pergerakan

- Karakteristik

Perilaku

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

Karakteristik pengendara sepeda

motor di kota Surabaya dan Malang

sebagian besar usia pengendara antara 21-

25 tahun, sedangkan di Sragen didominasi

usia 15-20 tahun. Baik di kota Surabaya,

Malang dan Sragen jenis kelamin

pengendara terbanyak adalah lakilaki.

Tingkat pendidikan terakhir adalah SMU.

Mayoritas pengendara di kota Surabaya

dan Malang bekerja sebagai pegawai

swasta, sedangkan di kota Sragen sebagai wiraswasta. Dari segi penghasilan paling

dominan dikota Surabaya dan

berpenghasilan antara Rp. 500.000,- Rp.

750.000.sedangkan di kota Sragen paling

banyak mereka berpenghasilan < Rp.

500.000,-.

Model Peluang Kecelakaan di Kota

Surabaya :

Aspek Sosio Ekonomi

𝑃 (𝑋𝑖)

= 1/[1 + 𝑒−(−0,787−0,875 𝑋2,1−0,801𝑋2,4)]

Persamaan:

Menggunakan

Metode Analisis

Deskriptif dan

Regresi Logistik

dengan variabel

aspek sosial

ekonomi,

pergerakan dan

perilaku.

29

30

No Judul Peneliti Lokasi


Analisis Yang

Digunakan Output

Persamaan

dan

Perbedaan

Aspek Pergerakan

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(−1,120−1,980𝑋1,1)] Aspek Perilaku Pengendara

𝑃 (𝑋𝑖) =1

1+𝑒−(0,665+0,591 𝑋3,2+1,823 𝑋4,1+0,594 𝑋4,2)

Model Peluang Kecelakaan di Kota

Malang :

Aspek Sosio Ekonomi

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(0,687+1,511 X3,2)] Aspek Pergerakan

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(1,084+2,155 X3,4)] Aspek Perilaku

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(0,220−1,425 X1,1)] Model Peluang Kecelakaan di Kota

Sragen :

Aspek Sosio Ekonomi

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(3,037−2,295 X2,2)] Aspek Pergerakan

𝑃 (𝑋𝑖)= 1/[1

+ 𝑒−(−1,439+3,597 X1,2+2,532 X1,3)] Aspek Perilaku Pengendara

𝑃 (𝑋𝑖) = 1/[1 + 𝑒−(−0,392+0,193 𝑋2)]

Perbedaan:

Penelitian

dilakukan

pada sepeda

motor

sedangkan

yang akan

diteliti dalam

penelitian ini

adalah

sepeda

30

31



Analisis

Yang

Digunakan


Perbedaan

2 Karakteristik

dan Peluang

Kecelakaan

Pada Mobil

Pribadi di

Wilayah

Perkotaan

Gama

Handika

Negara,

Zanuar

Hariadi

Kota

Malang,

dan Kota

Batu

(2010)

- Mengetahui

karakteristik

pengendara

mobil pribadi

- Membuat

model

peluang

kecelakaan

mobil pribadi

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Pergerakan

- Karakteristik

Perilaku

- Persepsi

Pengemudi

Mobil

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

Karakteristik pengemudi mobil pribadi

berusia mayoritas < 23 tahun, dan jenis

kelamin pria lebih dominan dari wanita.

Pendidikan terakhir SMA, bekerja

sebagai wiraswasta dan berpenghasilan

1-2 juta rupiah per bulan. Waktu

beraktiviitas responden di Kota Malang

06.00-09.00, sedangkan untuk

responden di Kota Batu waktu aktifitas

berkisar 16.00-18.00. Untuk Kota Batu,

responden berpeluang mengalami

kecelakaan dipengaruhi juga kecepatan

perjalanan selain faktor usia dan

pendidikan.

Persamaan:

Menggunakan

Metode Analisis

Deskriptif dan

Regresi Logistik

dengan variabel

aspek sosial

ekonomi,

pergerakan

Perbedaan:

Penelitian

dilakukan pada

sepeda motor

sedangkan yang

akan diteliti

dalam penelitian

ini adalah

sepeda

31

32



Analisis Yang

Digunakan Output

Persamaan dan

Perbedaan

3 Karakteristik

Pengemudi

dan

Pemodelan

Peluang

Terjadinya

Kecelakaan

Bus Antar

Kota Antar

Provinsi

(AKAP)

R. Lukito

Adi

Nugroho

Kota

Malang,

dan Kota

Surabaya

(2012)

- Mengetahui

karakteristik

pengendara

pengemudi

bus

- Membuat

model

peluang

kecelakaan

bus AKAP

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Perilaku

- Tingkat

pengetahuan

dan

pemahaman

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

- Karakteristik Bus AKAP : - Pengemudi adalah laki-laki dengan

mayoritas responden berumur 41-

50 tahun - Mayoritas responden

berpendidikan SMA/MA dengan

penghasilan 1-2 juta - Mayoritas memiliki SIM B2

Umum dan memiliki sopir

cadangan - Frekuensi mengemudi responden

sebanyak 4 hari/minggu - Mayoritas pengemudi menyetir

selama 10 jam dengan istirahat

selama 8 jam dalam 1 hari - Antara responden yang pernah dan

tidak pernah mengalami

kecelakaan jumlahnya berimbang - Hampir semua responden kurang

memahami aspek keselamatan

yang ada di peraturan

Persamaan:

Menggunakan

Metode Analisis

Deskriptif dan

Regresi Logistik

dengan variabel

aspek sosial

ekonomi,

pergerakan

Perbedaan:

Penelitian

dilakukan pada

sepeda motor

sedangkan yang

akan diteliti

dalam penelitian

ini adalah

sepeda

32

33



Analisis Yang

Digunakan Output

Persamaan dan

Perbedaan

- Model peluang kecelakaan

pengemudi Bus AKAP yang

didasarkan pada karakteristik

pengemudi teladan Bus AKAP

pengemudi adalah :

𝑃 𝑚𝑐𝑎𝑙 =1

1 + 𝑒−(3,321−0,375𝑋2)

- Sedangkan model peluang

kecelakaan pengemudi Bus AKAP

yang didasarkan pengaruh

pengetahuan pengemudi adalah :

𝑃 𝑚𝑐𝑎2 =1

1+𝑒−(−1,002+0,298𝑋9)

33

34



Analisis

Yang

Digunakan


Perbedaan

4 Studi

Karakteristik

dan Model

Peluang

Kecelakaan

Pengendara

Sepeda Motor

(Studi Kasus

Kota

Surabaya dan

Kota Malang)

Nenny

Yotina,

Fajar

Wahyudi

Kota

Surabaya,

Kota

Malang,

dan Kota

Sragen

(2009)

- Mengetahui

karakteristik

pengendara

sepeda motor

- Membuat

model

peluang

kecelakaan

sepeda motor

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Pergerakan

- Karakteristik

Perilaku

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

- Model peluang kecelakaan sepeda

motor di Kota Surabaya dan Malang

dipengaruhi oleh tingkat pendidikan,

pekerjaan, tingkat penghasilan,

maksud tujuan pergerakan, frekuensi

aktifitas, jarak tempuh perjalanan,

pengalaman dan pengetahuan dalam

berkendara serta kepemilikan SIM.

- Pada kedua kota tersebut terdapat

perbedaan yang signifikan pada usia

pengendara sepeda motor, jenis

kelamin, tingkat penghasilan, maksud

tujuan pergerakan, waktu aktifitas, dan

kempemilikan SIM. Perbedaan model

peluang ini terjadi karena berbedanya

karakteristik pengendara sepeda motor

di kedua kota tersebut dan perbedaan

populasi pengendara sepeda motor dan

perbedaan karakteristik wilayah studi.

Persamaan:

Menggunakan

Metode Analisis

Deskriptif dan

Regresi Logistik

dengan variabel

aspek sosial

ekonomi,

pergerakan dan

perilaku.

Perbedaan:

Penelitian

dilakukan pada

sepeda motor

sedangkan yang

akan diteliti

dalam penelitian

ini adalah

sepeda

50

34

35



Analisis

Yang

Digunakan

Output

Persamaan

dan

Perbedaan

5 Karakteristik

Penggunaan

Sepeda di

Kelurahan

Medono

Kecamatan

Pekalongan

Barat

Ruri Tri

dan Diah

Intan

Kelurahan

Medono

Kecamatan

Pekalongan

Barat

(2014)

- Mengetahui

karakteristik

pengguna

sepeda di

wilayah studi

- Karakteristik

Sosio

Ekonomi

- Analisis

Statistik

Deskriptif

- Dari 100 responden, seluruhnya

menggunakan sepeda sebagai moda

transportasi untuk beraktivitas sehari-hari

- Rata-rata kepemilikan sepeda per KK

adalah 2 buah

- Maksud tujuan penggunaan sepeda untuk

perjalanan kerja dan pendidikan

- Penduduk yang bekerja rata-rata bekerja

sebagai buruh industri tenun dan industri

batik

- Pengguna sepeda untuk maksud/tujuan

untuk perjalanan kerja didominasi oleh

laki-laki (39%) usia priduktif yaitu 19-27

tahun. Sedangkan untuk maksud/tujuan

pendidikan, didominasi oleh wanita

dengan porsentase 19% dengan usia 8-18

tahun

- Rata-rata jarak tempuh adalah jarak dekat

(<2,5 km) dan jarak menengah (2,5-4,4

km) . penggunaan sepeda untuk jarak

dekat yaitu <10 menit dengan kecepatan

rata-rata 15 km/jam

Persamaan:

Menggunakan

Metode

Analisis

Deskriptif

dengan

variabel aspek

sosial ekonomi

Perbedaan:

Tidak

membuat

model peluang

kecelakaan,

hanya sebatas

mengetahui

karakteristik

pengguna

sepeda

35

36



Analisis

Yang

Digunakan

Output

Persamaan

dan

Perbedaan

- penduduk dengan kelas menengah

kebawah

- Penduduk penghasilan menengah

kebawah, menggunakan sepeda untuk

bekerja sedangkan penduduk penghasilan

menengah keatas menggunakan sepeda

untuk rekreasi.

- Lokasi dengan intensitas penggunaan

sepeda tertinggi berada pada Jln. Urip

Sumiahrjo, Jln Karya Bakti, Jln. Dharma

Bakti dan Jln. Yudha Bakti. Jln. Urip

Sumiahrjo ditetapkan sebagai kawasan

pusat perbelanjaan dan pertokoan

modern.Sehingga terjadi jam-jam sibuk

pada pukul 06.00-10.00 dan 14.00-18.00

36

37



Analisis

Yang

Digunakan

Output

Persamaan

dan

Perbedaan

6 Studi

Karakteristik

Pengendara

Sepeda dan

Perencanaan

Lajur Sepeda

di Wilayah

Kediri (ruas

Jalan Ahmad

Dahlan, Jalan

Mayor Bismo,

dan Jalan

Soekarno

Hatta)

Ayu

Roesdinin

gtyas,

Wawan

Efendi

Kediri (ruas

Jalan

Ahmad

Dahlan,

Jalan

Mayor

Bismo, dan

Jalan

Soekarno

Hatta)

(2010)

- Mengetahui

karakteristik

pengendara

sepeda di

Wilayah

Kediri

- Membuat

model

peluang

penyediaan

jalur sepeda

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Perilaku

Pengendara

- Karakteristik

Pergerakan

- Jalur Sepeda

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

- Hasil analisis menunjukkan bahwa

kelompok tertinggi pengendara sepeda

di lokasi studi berstatus sebagai pelajar

(97%) di Jalan Ahmad Dahlan, pekerja

(87%) di Jalan Mayor Bismo, dan

pekerja (83%) di Jalan Soekarno Hatta.

- Secara keseluruhan kelompok tertinggi

pengendara sepeda di wilayah Kediri

berpenghasilan kurang dari Rp 500.000

(76%), dan rutinitas kegiatan 6 kali

dalam seminggu (78%). Berdasarkan

karakteristik pengendara sepeda

dikembangkan model sebagai berikut:

- Model membutuhkan lajur sepeda

𝑃 (𝑋𝑖)= 1/[1

+ 𝑒−(−2,225−1,409.𝑋6.1+1,221.X8.2)] - Model berpindah dari sepeda ke sepeda

motor

𝑃 (𝑋𝑖)= 1/[1

+ 𝑒−(1,200−0,656.𝑋2.2+0,754.𝑋31−0,851.𝑋10)]

Persamaan:

Menggunakan

Metode

Analisis

Deskriptif

dengan

variabel

karakteristik

sosio ekonomi,

pergerakan

dan perilaku

Perbedaan:

Model peluang

dibuat untuk

perlu tidaknya

lajur sepeda

37

38



Analisis

Yang

Digunakan

Output

Persamaan

dan

Perbedaan

7 Influencing

Factors on

Motorcycle

Accident in

Urban Area of

Malang,

Indonesia

Amelia

Kusuma

Indriastut

i, Harnen

Sulistio

Kota

Malang

(2010)

- Mengetahui

karakteristik

pengendara

sepeda motor

- Membuat

model

peluang

kecelakaan

sepeda motor

- Karakteristik

Sosio

Ekonomi

- Karakteristik

Pergerakan

- Karakteristik

Perilaku

- Analisis

Statistik

Deskriptif

- Analisis

Statistik

Regresi

Logistik

- Hasil analisis menunjukkan bahwa

karakteristik pengendara di wilayah

studi yang terbukti signifikan atau

mempengearuhi peluang terjadinya

kecelakaan adalah jenis kelamin, jumlah

kepemilikan kendaraan pribadi, maksud

dan tujuan pergerakan, jarak tempuh,

dan pengetahuan dalam berkendara.

Persamaan:

Menggunakan

Metode

Analisis

Deskriptif

dengan

variabel

karakteristik

sosio ekonomi,

pergerakan

dan perilaku

Perbedaan:

Model peluang

dibuat untuk

sepeda motor

38

39

Tabel 2.7

Rencana Kajian

No Nama Judul Tahun Metode

Variabel Output Survei Analisis

1

Deby Eka Prima

Yoga

Ahmad Rizaldi Putra

Pradana

Model Prediksi Peluang

Kecelakaan Yang Melibatkan

Pengguna Sepeda di Kota

Malang dan Kota Blitar

2017

Kuesioner

Wawancara

Statistik

Deskriptif

(Analisis

Fekuensi)

Statistik Regresi

Logistik

Karakteristik

Pengguna

Karakteristik

Kecelakaan

Karakteristik

Sosio-Ekonomi

Karakteristik

Pergerakan

Karakteristik

Perilaku

Pengalaman

Kecelakaan

Model Peluang

Kecelakaan

39

7

Page |

7

2.7 Kerangka Teori

40

Gambar 2.3 Kerangka Teori

Karakteristik Pengendara Sepeda

Tamin (2000)

Khisty and Lall (2003)

Karakteristik

Pergerakan

Karakteristik

Sosio -

Ekonomi

1. Kerugian

2. Waktu Kejadian

3. Penyebab Kecelakaan

Karakteristik Sepeda

UU Lalu Lintas (1992)

Dirjen Penataan Ruang (2013)

Analisis Data

Subagyo (2012)

Indriastuti dan Sulistio (2010)

Bagian-Bagian Sepeda

Kelengkapan Sepeda

Karakteristik Kecelakaan

Tamin (2000)

Warpani (1999)

UU No. 22 Tahun 2009

Statistik Deskriptif

Analisis Frekuensi

Analisis Regresi Logistik

P(BA)= 1

1+𝑒−(𝛽𝑜+ 𝛽1𝑋1+ 𝛽2𝑋2+ 𝛽3𝑋3… )

Karakteristik

Perilaku

41

41

BAB III

METODE PENELITIAN

3.1 Definisi Operasional

Definisi operasional dalam penelitian ini diperlukan agar tidak terjadi kesalah pahaman

tentang suatu penelitian yang akan diteliti. Judul penelitian ini adalah “Model Prediksi

Peluang Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang dan Kota Blitar”,

dari judul tersebut maka dapat dijelaskan:

Model prediksi peluang kecelakaan adalah sebuah model yang dibuat untuk

memprediksi peluang kecelakaan yang mungkin akan terjadi di masa mendatang

dengan variabel yang digunakan dalam penelitian ini adalah karakteristik pengguna

sepeda meliputi karakteristik sosio-ekonomi, karakteristik pergerakan, dan

karakteristik perilaku.

Karakteristik kecelakaan sepeda yang dimaksud adalah berdasarkan pengalaman

kecelakaan saat bersepeda yang pernah dialami oleh responden di wilayah studi.

3.2 Tahapan Pelaksanaan Penelitian

Untuk menunjang keberhasilan studi perlu dilakukan tahapan-tahapan dalam

pelaksanaan studi. Tahapan pertama yang dilakukan adalah tahap persiapan. Dalam tahap

persiapan ini dilakukan studi literatur untuk dijadikan referensi dalam pelaksanaan kajian.

Pada tahap ini juga ditentukan tujuan dari studi yang dilakukan, serta menentukan objek

terkait yang akan digunakan untuk penelitian.

Tahap kedua adalah pengumpulan data berupa data primer maupun data sekunder yang

menunjang studi. Data primer diperoleh dari membagikan kuesioner kepada responden,

wawancara kepada interviewee dan survei lapangan. Sedangkan data sekunder diperoleh dari

instansi-instansi terkait seperti Bappeda Kota Malang dan Kota Blitar, Dinas Perhubungan,

Dinas Pekerjaan Umum, Kepolisian Daerah Jawa Timur, Badan Pusat Statistik, dan lain-

lain.

Tahap ketiga adalah analisis data yang diperlukan sesuai dengan tujuan studi yang sudah

ditentukan. Analisis data yang dilakukan berupa analisis deskriptif dari variabel-variabel

42

yang didapat dari hasil data primer dan data sekunder, dan analisis regresi logistik untuk

membuat model peluang kecelakaan yang dapat terjadi. Tahapan terakhir adalah penyusunan

pembahasan dan kesimpulan atas hasil studi yang telah dilakukan (Gambar 3.1).

Diagram Alir Pelaksanaan Studi

Gambar 3.1 Diagram Alir Pelakasanaan Studi

Perumusan Masalah

Jumlah Kecelakaan

Lalu Lintas yang

Melibatkan

Pengendara Sepeda

Data Sekunder

Peta Wilayah Studi

RTRW

Data Kecelakaan dari

Kepolisian

Data Primer

Kuesioner

Wawancara

Mulai

Pengolahan dan Analisis Data

Analisis Regresi Logistik

Karakteristik Pengguna Sepeda

Karakteristik Kecelakaan

Model Prediksi Peluang Kecelakaan Pengguna

Sepeda di Kota Malang dan Kota Blitar

Pengumpulan Data

Analisis Statistik Deskriptif

Kesimpulan Dan Saran

Selesai

43

3.3 Lokasi Studi

Lokasi studi untuk penelitian ini dilakukan di Kota Malang dan Kota Blitar. Penyebaran

kuesioner dilakukan di kedua kota tersebut dengan responden adalah pengendara sepeda

yang minimal bersepeda sekali selama 6 bulan terakhir dan pernah melewati jalur di

sepanjang jalan arteri, jalan kolektor, dan jalan lokal atau lingkungan yang ada di Kota

Malang dan Kota Blitar dengan atau tanpa lajur khusus sepeda. Penentuan lokasi untuk

pengisian kuesioner tersebut dilakukan atas pertimbangan bahwa di lokasi tersebut adalah

tempat umum dan banyak terdapat pengendara sepeda yang melintas.

3.4 Jenis dan Sumber Data

Data yang dibutuhkan dalam studi ini adalah data yang berkaitan dengan tujuan utama

studi ini, yaitu karakteristik pengguna sepeda, karakteristik kecelakaan pengendara sepeda,

dan model prediksi peluang kecelakaan sepeda di kedua wilayah studi. Data dalam studi ini

yaitu data primer dan data sekunder.

3.4.1 Data Primer

Data primer adalah data yang didapatkan secara langsung melalui survei. Data primer

dalam studi ini dijelaskan pada Tabel 3.1 berikut:

Tabel 3.1

Data Primer

Sumber Data Data yang Diperoleh Kebutuhan Surveyor

Kuesioner Karakteristik pengguna sepeda

yang teridiri dari karakteristik

sosio-ekonomi, karakteristik

pergerakan, dan karakteristik

perilaku.

4 surveyor

Wawancara Pengalaman kecelakaan

pengendara sepeda

2 surveyor

Data primer yang diperoleh ini kemudian diolah dan dianalisis dengan program SPSS

dengan metode analisi deskriptif untuk mengetahui frekuensi setiap karakteristik yang

menjadi variabel penelitian di wilayah studi. Setelah itu dianalisis dengan metode statistik

regresi logistik untuk dibuat model peluang kecelakaan yang dapat terjadi pada pengguna

sepeda berdasarkan karakteristik sosio-ekonimi, karakteristik pergerakan, dan karakteristik

perilaku.

44

3.4.2 Data Sekunder

Data sekunder adalah data yang diperoleh secara tidak langsung oleh peneliti yang

dijadikan data pendukung dalam analisis data primer. Data sekunder dalam studi ini

diperoleh dari instansi-instansi terkait (Tabel 3.2).

Tabel 3.2

Data Sekunder

Instansi Kebutuhan Data

Kepolisian Daerah Jawa Timur Data Kecelakaan Kota Malang dan Kota

Blitar Tahun 2014-2016

BAPPEDA Kota Malang dan Kota

Blitar RTRW

Peta Jaringan Jalan

Sumber : Hasil Survei Pendahuluan (2017)

3.5 Variabel Penelitian

Tabel 3.3

Variabel Penelitian

Tujuan Variabel Parameter Sumber

Mengetahui

Karakteristik

Pengguna Sepeda

Karakteristik

Sosio Ekonomi Usia

Jenis Kelamin

Pendidikan

Pekerjaan

Penghasilan

Kepemilikan Sepeda

Jumlah Kepemilikan

Kepemilikan Kendaraan Lain

Patriya, 2008

Khisty and Lall, 2003

Karakteristik

Pergerakan Maksud tujuan pergerakan

Jarak tempuh

Waktu tempuh

Intensitas penggunaan

Waktu mulai beraktivitas

Tamin, 2000

Karakteristik

Perilaku Perilaku sebelum berkendara

Perilaku saat berkendara

Indriastusti dan

Sulistio, 2010


Mengetahui

Karakteristik

Kecelakaan

Karakteristik

Kecelakaan Keterlibatan kecelakaan

Jenis cedera

Faktor penyebab kecelakaan

UU No. 22 Tahun

2009


Membuat model

peluang

kecelakaan sepeda

Karakteristik

pengguna

sepeda

Karakteristik sosio-ekonomi

pengguna sepeda

Karakteristik pergerakan

Karakteristik perilaku

Indriastusti dan

Sulistio, 2010

45

Tabel 3.4

Pembagian Kategori Variabel Penjelas dalam Penelitian

Kelompok Variabel

Penjelas Notasi

Skala

Pengkuran Kategori

Karakteristik Sosio-Ekonomi Jenis

Kelamin X1 Ordinal

1 = Laki-laki

2 = Perempuan

Usia X2 Nominal 1 = < 15 tahun

2 = 15-25 tahun

3 = 26-35 tahun

4 = 36-45 tahun

5 = 46-55 tahun

6 = > 55 tahun

Pendidikan X3 Ordinal 1 = Tidak Sekolah

2 = TK/Tidak Tamat SD

3 = SD/MI

4 = SMP/MTs

5 = SMU/MA

6 = Perguruan Tinggi

Penghasilan X4 Rasio 1 = < Rp.1.000.000

2 = Rp.1.000.000-

Rp.2.000.000

3 = Rp.2.000.0000-

Rp.3.000.000

4 = Rp.3.000.0000-

Rp.4.000.000

5 = > Rp.4.000.0000

Pekerjaan X5 Nominal 1 = Pelajar

2 = PNS

3 = TNI/POLRI

4 = Wirausaha

5 = Wiraswasta

6 = Lain-lain

Kepemilikan

Sepeda X6 Nominal 1 = Milik sendiri

2 = Pinjam

Jumlah

sepeda yang

dimiliki

X7 Nominal 1 = Tidak punya

2 = 1

3 = 2

4 = > 2

Kendaraan

lain yang

dimiliki X8

Nominal 1 = Sepeda motor

2 = Mobil

3 = Lain-lain

46

Tabel 3.4

Pembagian Kategori Variabel Penjelas dalam Penelitian (lanjutan)

Kelompok Variabel

Penjelas Notasi

Skala

Pengukuran Kategori

Karakteristik Pergerakan Maksud-tujuan X9 Nominal 1 = Bekerja

2 = Bertemu

teman/saudara

3 = Belanja

4 = Rekreasi

5 = Lain-lain

6 = Lain-lain

Jarak Tempuh X10 Rasio 1 = < 5 km

2 = 5-10 km

3 = 11-15 km

4 = 15-20 km

5 = > 20 km

Waktu

Perjalanan X11 Rasio 1 = < 30 menit

2 = 30 - 60 menit

3 = > 60 menit

Frekuensi

Penggunaan

Sepeda

X12 Ordinal 1 = Jarang (1-2 hari)

2 = Sedang (3-5 hari)

3 = Rutin (>5hari)

4 = Tidak tentu

Waktu Mulai

Aktivitas

Penggunaan

Sepeda

X13 Nominal 1 = 04.00-06.00

2 = 06.01-08.00

3 = 08.01-10.00

4 = 10.01-12.00

5 = 12.01-14.00

6 = 14.01-16.00

7 = 16.01-18.00

8 = 18.01-20.00

9 = Tidak Tentu

47

Tabel 3.4

Pembagian Kategori Variabel Penjelas dalam Penelitian (lanjutan)

Kelompok Variabel

Penjelas Notasi

Skala

Pengukuran Kategori

Karakteristik Perilaku Memeriksa

Kondisi

Lampu Sepeda

X14 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

Memeriksa

Kondisi Rem

Sepeda


2 = Kadang-Kadang

3 = Selalu

Memeriksa

Kondisi Ban

Sepeda


2 = Kadang-Kadang

3 = Selalu

Memeriksa

Kondisi Rantai

Sepeda


2 = Kadang-Kadang

3 = Selalu

Memakai

Helm X18 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

Memakai

Sarung Tangan X19 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

Memakai

Pelindung

Lutut


2 = Kadang-Kadang

3 = Selalu

Memakai

Pelindung

Siku


2 = Kadang-Kadang

3 = Selalu

Memakai

Pakaian

Berwarna

Terang / Cerah


2 = Kadang-Kadang

3 = Selalu

Berboncengan X23 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

Berjalan

Secara

Berombongan


2 = Kadang-Kadang

3 = Selalu

Bersenda

Gurau X25 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

48

Tabel 3.4

Variabel Penjelas dalam Penelitian (lanjutan)

Kelompok Variabel

Penjelas Notasi

Skala

Pengukuran Kategori

Karakteristik Perilaku Menerobos

Lampu Merah X26 Nominal 1 = Tidak Pernah

2 = Kadang-Kadang

3 = Selalu

Membawa

Barang /

Muatan dalam

Jumlah Besar


2 = Kadang-Kadang

3 = Selalu

Mendahului

Dari Sebelah

Kanan


2 = Kadang-Kadang

3 = Selalu

Memberi

Tanda Saat

Belok Kanan


2 = Kadang-Kadang

3 = Selalu

Melakukan

Perjalanan

Saat Hujan


2 = Kadang-Kadang

3 = Selalu

3.6 Metode Pengumpulan Data

Pengumpulan data yang dilakukan dalam studi ini adalah berupa wawancara dan

kuisioner dan survei langsung di lapangan.

Wawancara, merupakan percakapan yang dilakukan dengan maksud tertentu oleh

dua pihak yaitu pewawancara (interviewer) dan yang diwawancarai (intervewee).

Dalam penelitian ini pihak yang diwawancarai adalah pengendara sepeda yang

pernah mengalami kecelakaan. Wawancara terhadap pengendara sepeda ini

dimaksudkan untuk menggali informasi lebih jauh tentang pengalaman kecelakaan

yang pernah dialami.

Kuesioner, merupakan usaha untuk mengumpulkan informasi tertentu dengan

menyampaikan sejumlah pertanyaan tertulis untuk dijawab secara tertulis oleh

responden. Responden dari kuesioner ini adalah pengendara sepeda yang setidaknya

aktif bersepeda minimal 6 bulan terakhir. Tujuan dari pengumpulan kuesioner dalam

penelitian ini adalah untuk memperoleh informasi yang berkaitan dengan variabel

penelitian seperti karakteristik pengendara (sosio-ekonomi, pergerakan, dan

perilaku).

49

Dalam penelitian ini tidak memungkinkan untuk menggunakan populasi dikarenakan

terdapat kendala waktu, biaya, dan jumlah populasi yang tidak diketahui dengan pasti,

sehingga responden yang digunakan dalam penelitian ini ditentukan dengan menggunakan

sampel. Sampel yang digunakan dalam penelitian ini adalah pengguna sepeda di wilayah

studi dan pengendara kendaraan lain yang aktif bersepeda minimal sekali dalam 6 bulan

terakhir. Untuk menentukan ukuran sampel dari populasi menurut Yotina (2009)

menyarankan agar besaran sampel minimal untuk penelitian deskriptif adalah sebanyak 100

responden. Metode penarikan sampel yang digunakan pada studi ini adalah Quota Sampling

yanng merupakan bagian dari non probability sampling. Non probability sampling

merupakan acara pengambilan sampel yang tidak berdasarkan probabilitas artinya ada

peluang setiap anggota populasi untuk menjadi anggota sampel tidak sama.

3.7 Metode Analisis

3.7.1 Analisis Statistik Deskriptif

Data yang dianalisis berasal dari hasil kuesioner berupa karakteristik pengendara sepeda

dan karakteristik kecelakaan di wilayah studi. Dalam penelitian ini analisis yang digunakan

adalah analisis frekuensi, analisis ini dipilih karena memiliki keunggulan dibandingkan

analisis lain yaitu memudahkan dan mempercepat memahami isi data yang disusun dalam

bentuk diagram (Subagyo,2012). Analisis statistik deskriptif dalam penelitian ini akan diolah

dengan bantuan program SPSS.

3.7.2 Analisis Statistik Regresi Logistik

Pada studi ini, model kecelakaan dikembangkan untuk mengetahui peluang pengendara

sepeda mengalami kecelakaan diprediksi dari karakteristik pengendara sepeda yaitu

karakteristik sosio-ekonomi, karakteristik pergerakan, dan karakteristik perilaku pengendara

sepeda. Metode analisis yang digunakan adalah metode statistik regresi logistik. Metode

analisis ini digunakan karena multivariate normal distribution-nya tidak dapat dipenuhi dan

variabel penjelasnya merupakan campuran antara variabel kontinyu dan kategori. Regresi

logistik digunakan karena nilai kemungkinannya berada pada rentang 0 – 1. Hal ini

membedakan dengan regresi linier biasa dimana nilai variabel respon (dependen) nya

bernilai < 0 atau > 1.

Menurut Indriastuti dan Sulistio (2010) pembentukan model logit didasarkan pada

fungsi peluang logistik kumulatif yang dispesifikasikan sebagai berikut:

50

𝑃𝑖 = 𝐹(𝛽0 + 𝛽1𝑋1𝑖) =1

1+𝑒−𝑧=

1

1+𝑒−(𝛽0+𝛽1𝑋𝑙𝑖).................................................. (3-1)

Selanjutnya berdasarkan pembentukan model logit diatas maka struktur model yang

digunakan dalam kajian ini adalah sebagai berikut:

𝑃(𝐵𝐴) =1

1+𝑒−(𝛽0+𝛽1𝑥1+𝛽2𝑥2+𝛽3𝑥3+⋯) ....................................................................... (3-2)

Dengan :

P(BA) = peluang kejadian kecelakaan sepeda

e = bilangan alam (2,71828)

β = koefisien variabel penjelas (predictor)

X = variabel penjelas (predictor)

Tahapan yang dilakukan untuk membuat model peluang kecelakaan adalah penentuan

responden, dalam hal in responden merupakan pengguna sepeda di wilayah studi yang

bsetidaknya aktif bersepeda sekali dalam kurun waktu 6 bulan terakhir. Dari penyebaran

kuesioner di wilayah studi tersebut kemudian data diinput kedalam program SPSS untuk

kemudian dilakukan pengujian antara tiap variabel-variabel penjelas dengan variabel respon

(univariate correlation) dalam hal ini dilakukan dengan metode enter pada program SPSS.

Pengidentifikasian ini dilakukan dengan Uji Chi Square, dimana masing-masing variabel

akan diuji satu demi satu untuk mengetahui apakah variabel tersebut berpengaruh terhadap

peluang mengalami kecelakaan.

Variabel-variabel bebas yang terbukti berpengaruh signifikan akan diolah lagi dengan

melakukan Uji Wald. Dengan uji wald ini variabel-variabel dalam penelitian akan diuji

secara keseluruhan untuk selanjutnya diestimasi sebuah model logistik yang bertujuan

menyeleksi variabel-variabel yang berpengaruh signifikan terhadap peluang mengalami

kecelakaan. Metode ini bekerja dengan mengeluarkan satu persatu variabel yang terbukti

tidak signifikan (signifikasinya > 0,05). Dengan analisis regresi logistik inilah kemudian

akan didapat fungsi utilitas model yang dapat digunakan sebagai pemodelan peluang

pengguna sepeda mengalami kecelakaan (Gambar 3.2).

51

Ya

Tidak

Signifikansi

≤ 0,05

Signifikansi

≤ 0,05

Ya

Penentuan Responden

Analisis Statistik Logistic Regression

Metode Enter

Mulai

Analisis Statistik Regresi Logistik

Variabel Terpilih

Uji Wald

Selesai

Tidak

Gambar 3.2 Diagram Alir Analisis Regresi Logistik

Setelah memperoleh model peluang kecelakaan maka selanjutnya dilakukan uji

signifikansi model yang bertujuan untuk menjelaskan kelayakan model dalam hubungannya

dengan peluang seorang pengguna sepeda mengalami kecelakaan. Dalam penelitian ini

terdapat empat pengujian validasi yaitu:

52

a. Uji Signifikansi Model

Uji signifikansi model dalam penelitian ini dilihat dari hasil pengujian secara

simultan terhadap pengaruh variabel bebas. Uji signifikansi didasarkan pada nilai Sig.

Pada tabel Omnibus Test dengan kondisi:

Jika probabilitas > 0,05 maka H0 diterima, H1 ditolak

Jika probabilitas < 0,05 maka H0 ditolak, H1 diterima

Dimana:

H0 : Variabel bebas secara simultan tidak berpengaruh terhadap peluang kecelakaan

H1 : Variabel bebas secara simultan berpengaruh terhadap peluang kecelakaan

b. Uji Kelayakan Model Regresi

Uji ini dilakukan untuk melihat kelayakan model regresi berdasarkan nilai

signifikansi dari tabel Hosmer and Lameshow Test dengan kondisi:

Jika probabilitas > 0,05 maka H0 diterima, H1 ditolak

Jika probabilitas < 0,05 maka H0 ditolak, H1 diterima

Dimana:

H0 : Variabel bebas tidak berpengaruh terhadap peluang kecelakaan

H1 : Variabel berpengaruh terhadap peluang kecelakaan

Apabila H0 diterima maka model regresi yang dihasilkan tidak ada perbedaan nyata

antara klasifikasi yang diprediksi denga klasifikasi yang diamati.

c. Uji t

Uji t atau disebut uji koefisien regresi adalah pengujian atau analisis yang digunakan

untuk memastikan pengaruh masing-masing atribut yag terdapat dalam persamaan

model terhadap utilitas peluang kecelakaan. Kondisi dalam uji t diinterpretasikan sebagai

berikut:

Jika t hitung > t tabel, maka atribut berhubungan atau berpengaruh terhadap

peluang kecelakaan

Jika t hitung < t tabel, maka atribut tidak berhubugan atau berpengaruh terhadap

peluang kecelakaan

Nilai t hitung diperoleh dari tabel regresi menggunakan software SPSS

Nilai t tabel diperoleh dari tabel t berdasarkan pada jumlah observasi, jumlah

variabel bebas (atribut), dan level of significance.

53

d. Uji Koefisien Determinasi

Uji koefisien determinasi bertujuan untuk mengetahui pengaruh variabel bebas

secara simultan terhadap variabel terikat. Pengujian ini didasarkan pada nilai

statistika -2 log likelihood dan Negelkerke R Square.

54

54

3.8 Desain Survei

Tabel 3.5

Desain Survei

No Tujuan Variabel Sub variabel Data yang dibutuhkan Sumber

Data

Metode

pengumpulan

Data

Metode Analisis Output

1 Mengetahui

Karakteristik

Pengguna

Sepeda

Karakteristik

Sosio-Ekonomi Usia

Jenis Kelamin

Pendidikan

Pekerjaan

Penghasilan

Kepemilikan

Sepeda

Jumlah

Kepemilikan

Sepeda

Kepemilikan

Kendaraan Lain

Usia

Jenis Kelamin

Pendidikan

Pekerjaan

Penghasilan

Kepemilikan

Sepeda

Jumlah

Kepemilikan

Sepeda

Kepemilikan

Kendaraan Lain

Data Primer

Kuesioner

Survei Primer

Kuesioner

Statistik

Deskriptif

Analisis

Frekuensi

Karakteristik

Pengendara

Sepeda

Karakteristik

Pergerakan Maksud pergerakan

Jarak tempuh

Waktu tempuh

Intensitas

Penggunaan

Waktu mulai

beraktivitas

Maksud pergerakan

Jarak tempuh

Waktu perjalanan

Intensitas

Penggunaan

Waktu mulai

beraktivitas

Karakteristik

Perilaku Perilaku sebelum

berkendara

Perilaku saat

bersepeda

Perilaku sebelum

berkendara

Perilaku saat

bersepeda

54

55

Tabel 3.5

Desain Survei (lanjutan)

No Tujuan Variabel Sub variabel Data yang

dibutuhkan

Sumber

Data

Metode

pengumpulan

Data

Metode Analisis Output

2 Mengetahui

Karakteristik

Kecelakaan

Kerugian

Waktu

kejadian

Penyebab

kecelakaan

Kerugian

Waktu

kejadian

Penyebab

Data Primer Survei Primer

Kuesioner

Wawancara


Analisis Frekuensi

Karakteristik

Kecelakaan

3 Membuat

Model Peluang

Kecelakaan

yang

Melibatkan

Pengendara

Sepeda

Karakteristik

Pengendara

Karakteristik

Jalan

Karakteristik

Kecelakaan

Usia

Jenis Kelamin

Pendidikan

Pekerjaan

Penghasilan

Kepemilikan

Sepeda

Jumlah

kepemilikan

Kepemilikan

kendaraan lain

Maksud

pergerakan

Jarak tempuh

Waktu tempuh

Intensitas

penggunaan

Waktu mulai

beraktivitas

Perilaku

sebelum

bersepeda

Perilaku saat

bersepeda

Karakteristik

Pengendara

Karakteristik

Jalan

Karakteristik

Kecelakaan

Data Primer Survei Primer Analisis Statistik Regresi

Logistik 𝑃(𝐵𝐴)

=1

1 + 𝑒−(𝛽0+𝛽1𝑥1+𝛽2𝑥2+𝛽3𝑥3+⋯)

Model Peluang

Kecelakaan

Sepeda

5

5

56

Kerangka Metode 5

6

Gambar 3.3. Kerangka Metode

Data Waktu

Kejadian

Kecelakaan

Data Penyebab

Kecelakaan Data Perilaku

Pengendara

Persiapan

sebelum

berkendara

Sikap saat

berkendara

Data

Pergerakan

Pengendara

Maksud

Tujuan

Jarak tempuh

Waktu

Perjalanan

Data Sosial

Ekonomi

Pengendara

Usia

Jenis Kelamin

Pendidikan

Pekerjaan

Penghasilan

Pengalaman Kecelakaan yang

Melibatkan Pengguna Sepeda


(Analisis Frekuensi) Karakteristik Sosio-

Ekonomi

Karakteristik

Perilaku

Karakteristik Pengguna Sepeda

Karakteristik

Kecelakaan

Analisis Statistik Regresi

Logistik

Model Peluang Kecelakaan Yang Melibatkan

Pengguna Sepeda


(Analisis Frekuensi)

Karakteristik

Pergerakan

`

57

BAB IV

HASIL DAN PEMBAHASAN

4.1 Kondisi Umum Wilayah Studi

4.1.1 Kota Malang

Kota Malang adalah salah satu kota yang ada di Provinsi Jawa Timur yang terletak pada

dataran tinggi dan berjarak + 90 km sebelah selatan Kota Surabaya. Berdasarkan data BPS

Kota Malang jumlah penduduk Kota Malang pada tahun 2015 adalah 851.298 jiwa dengan

rincian 419.713 jiwa untuk penduduk berjenis kelamin laki-laki dan 431.585 untuk

penduduk berjenis kelamin perempuan. Untuk lebih jelasnya dapat dilihat pada gambar 4.1.

Gambar 4.1 Jumlah Penduduk Kota Malang 2015 Berdasarkan Jenis Kelamin

Sumber : Kota Malang Dalam Angka (2016)

4.1.2 Kota Blitar

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

pada koordinat 112014’ – 112028’ Bujur Timur dan 802’ – 808’ Lintang Selatan dengan

ketinggian kota berada pada +156 m dari permukaan laut. Menurut data BPS Kota Blitar

rasio jumlah penduduk Kota Blitar antara laki-laki dan perempuan memiliki rasio sebesar

99,15%. Untuk jumlah penduduk Kota Blitar sebanyak 146.155 jiwa dengan rincian

Kedungkandang

Sukun Klojen Blimbing Lowokwaru

Laki-laki 92557 94399 49569 88036 95152

Perempuan 93511 95654 54558 89693 98169

Jumlah 186068 190053 104127 177729 193321

0

50000

100000

150000

200000

250000

Jum

lah

Pe

nd

ud

uk

58

Kecamatan Sananwetan dengan jumlah penduduk sebesar 54.193 jiwa, Kecamatan Sukorejo

sebanyak 49.783 jiwa dan Kecamatan Kepanjenkidul sebanyak 42.179 jiwa. Untuk lebih

jelasnya, bisa dilihat pada gambar 4.2.

Gambar 4.2 Jumlah Penduduk Kota Blitar 2015 Berdasarkan Jenis Kelamin

Sumber : Kota Blitar Dalam Angka (2016)

4.1.3 Jumlah Sampel Dalam Penelitian

Sampel yang digunakan dalam penelitian ini adalah pengguna sepeda di wilayah studi

dan pengendara kendaraan lain yang aktif bersepeda minimal sekali dalam 6 bulan terakhir.

Untuk menentukan ukuran sampel dari populasi menurut Yotina (2009) menyarankan agar

besaran sampel minimal untuk penelitian deskriptif adalah sebanyak 100 responden,

sehingga dengan metode quota sampling ditetapkan bahwa jumlah responden penelitian di

masing-masing wilayah studi adalah sebanyak 100 reponden. Untuk lebih jelasnya dapa

dilihat pada tabel 4.1 berikut.

Tabel 4.1

Jumlah Responden di Wilayah Studi

No. Lokasi Studi Jumlah Responden

1 Kota Malang 100 orang

2 Kota Blitar 100 orang

Sukorejo Kepanjenkidul Sananwetan

Laki-laki 24968 20916 26889

Perempuan 24815 21263 27304

Jumlah 49783 42179 54193

0

10000

20000

30000

40000

50000

60000

Jum

lah

Pe

nd

ud

uk

59

4.2 Karakteristik Pengguna Sepeda

4.2.1 Karakteristik Sosio-Ekonomi

4.2.1.1 Jenis Kelamin

Berdasarkan survei kuesioner yang telah dilakukan diketahui jika mayoritas pengguna

sepeda di Kota Malang dan Kota Blitar adalah berjenis kelamin laki-laki yaitu sebesar 73 %

di Kota Malang dan 68 % di Kota Blitar.

Tabel 4.2

Jenis Kelamin Pengguna Sepeda di Kota Malang

No. Jenis Kelamin Jumlah Persentase (%)

1 Laki-Laki 73 73

2 Perempuan 27 27

Total 100 100

Sumber : Hasil Survei (2017)

Tabel 4.3

Jenis Kelamin Pengguna Sepeda di Kota Blitar

No. Jenis Kelamin Jumlah Persentase (%)

1 Laki-Laki 68 68

2 Perempuan 32 32

Total 100 100


4.2.1.2 Usia

Berdasarkan survei kuesioner yang telah dilakukan didapat mayoritas usia pengguna

sepeda di Kota Malang dan Kota Blitar adalah berusia 15-25 tahun dengan jumlah sebanyak

48 % di Kota Malang dan 36 % di Kota Blitar.

Tabel 4.4

Usia Pengguna Sepeda di Kota Malang

No. Usia (Tahun) Jumlah Persentase

(%)

1 < 15 5 5

2 15-25 48 48

3 26-35 11 11

4 36-45 16 16

5 46-55 7 7

6 > 55 13 13

Total 100 100


60

Tabel 4.5

Usia Pengguna Sepeda di Kota Blitar

No. Usia (Tahun) Jumlah Persentase

(%)

1 < 15 10 10

2 15-25 36 36

3 26-35 12 12

4 36-45 13 13

5 46-55 12 12

6 > 55 17 17

Total 100 100


4.2.1.3 Pendidikan

Berdasarkan survei kuesioner yang telah dilakukan didapat mayoritas pendidikan

terakhir pengguna sepeda di Kota Malang dan Kota Blitar adalah tingkat SMU / SMK / MA

sebanyak 51 % di Kota Malang dan 46 % di Kota Blitar.

Tabel 4.6

Pendidikan Terakhir Pengguna Sepeda di Kota Malang

No. Tingkat Pendidikan Jumlah Persentase (%)

1 Tidak Sekolah 0 0

2 TK / Tidak Tamat SD 5 5

3 SD / MI 11 11

4 SMP / MTs 10 10

5 SMU / SMK / MA 51 51

6 Perguruan Tinggi 23 23

Total 100 100


Tabel 4.7

Pendidikan Terakhir Pengguna Sepeda di Kota Blitar

No. Tingkat Pendidikan Jumlah Persentase (%)

1 Tidak Sekolah 1 1

2 TK / Tidak Tamat SD 3 3

3 SD / MI 16 16

4 SMP / MTs 22 22

5 SMU / SMK / MA 46 46

6 Perguruan Tinggi 12 12

Total 100 100


61

Mayoritas tingkat pendidikan untuk kedua wilayah studi mempunyai hubungan dengan

mayoritas pekerjaan responden di kedua wilayah studi. Hal ini dibuktikan dari nilai

asymptotic significance (2-sided) pada uji tabulasi silang. Untuk Kota Malang menunjukkan

angka 0,000 dan Kota Blitar sebesar 0,002. Nilai asymptotic significance (2-sided) kedua

wilayah studi dibawah nilai signifikansi yang sudah ditentukan sebelumnya, yaitu sebesar

0,05. Apabila nilai asymptotic significance (2-sided) < nilai tingkat signifikansi dapat

disimpulkan bahwa terdapat hubungan antara kedua variabel tersebut.

4.2.1.4 Pekerjaan

Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas

pekerjaan pengguna sepeda di Kota Malang adalah sebagai pelajar atau mahasiswa sebanyak

43 %, sedangkan di Kota Blitar mayoritas pekerjaan pengguna sepeda adalah wiraswasta

sebanyak 52 %.

Tabel 4.8

Pekerjaan Pengguna Sepeda di Kota Malang

No. Pekerjaan Jumlah Persentase (%)

1 Pelajar / Mahasiswa 43 43

2 PNS 2 2

3 TNI / POLRI 10 10

4 Pegawai Swasta 17 17

5 Wiraswasta 23 23

6 Lain-lain 5 5

Total 100 100


Tabel 4.9

Pekerjaan Pengguna Sepeda di Kota Blitar

No. Pekerjaan Jumlah Persentase (%)

1 Pelajar / Mahasiswa 23 23

2 PNS 4 4

3 TNI / POLRI 0 0

4 Pegawai Swasta 9 9

5 Wiraswasta 52 52

6 Lain-lain 12 12

Total 100 100


62

Berdasarkan hasil uji tabulasi silang, mayoritas pekerjaan responden di Kota Malang

mempunyai hubungan dengan mayoritas tingkat penghasilan. Hal ini ditunjukkan dengan

nilai asymptotic significance (2-sided) sebesar 0,003 atau lebih kecil dari nilai tingkat

signifikansi yang sudah ditentukan sebelumnya yaitu sebesar 0,05. Sedangkan untuk di Kota

Blitar, mayoritas pekerjaan responden di Kota Blitar juga mempunyai hubungan dengan

mayoritas tingkat penghasilan. Hal ini ditunjukkan dengan nilai asymptotic significance (2-

sided) sebesar 0,000 atau lebih kecil dari nilai tingkat signifikansi yang sudah ditentukan

sebelumnya yaitu sebesar 0,05. Apabila nilai asymptotic significance (2-sided) < nilai

tingkat signifikansi dapat disimpulkan bahwa terdapat hubungan antara kedua variabel

tersebut.

4.2.1.5 Tingkat Penghasilan


tingkat penghasilan pengguna sepeda di Kota Malang adalah sebagai sebesar Rp. 1.000.000

– Rp. 2.000.000 sebanyak 29 %, sedangkan di Kota Blitar mayoritas tingkat penghasilan

pengguna sepeda adalah < Rp. 1.000.000 sebanyak 36 %.

Tabel 4.10

Tingkat Penghasilan Pengguna Sepeda di Kota Malang

No. Tingkat Penghasilan Jumlah Persentase (%)

1 < Rp. 1.000.000 22 22

2 Rp. 1.000.000 - Rp. 2.000.000 29 29

3 Rp. 2.000.000 - Rp. 3.000.000 23 23

4 Rp. 3.000.000 - Rp. 4.000.000 14 14

5 > Rp. 4.000.000 12 12

Total 100 100


Tabel 4.11

Tingkat Penghasilan Pengguna Sepeda di Kota Blitar

No. Tingkat Penghasilan Jumlah Persentase (%)

1 < Rp. 1.000.000 36 36

2 Rp. 1.000.000 - Rp. 2.000.000 35 35

3 Rp. 2.000.000 - Rp. 3.000.000 13 13

4 Rp. 3.000.000 - Rp. 4.000.000 13 13

5 > Rp. 4.000.000 3 3

Total 100 100


63

Seperti yang sudah disebutkan sebelumnya pada sub bab 4.2.1.4, mayoritas tingkat

penghasilan di kedua wilayah studi memiliki hubungan dengan mayoritas pekerjaan di kedua

wilayah studi. Hubungan tersebut ditunjukkan pada nilai hasil dari uji tabulasi silang yang

menunjukkan angka dibawah nilai signifikansi (0,05). Apabila nilai asymptotic significance

(2-sided) < nilai tingkat signifikansi dapat disimpulkan bahwa terdapat hubungan antara

kedua variabel tersebut.

4.2.1.6 Kepemilikan Sepeda


tingkat kepemilikan sepeda pengguna sepeda di Kota Malang dan Kota Bitar adalah milik

sendiri dengan rincian sebanyak 83 % di Kota Malang dan 95 % di Kota Blitar.

Tabel 4.12

Kepemilikan Sepeda Pengguna Sepeda di Kota Malang

No. Kepemilikan Sepeda Jumlah Persentase

(%)

1 Milik Sendiri 83 83

2 Pinjam 17 17

Total 100 100


Tabel 4.13

Kepemilikan Sepeda Pengguna Sepeda di Kota Blitar

No. Kepemilikan Sepeda Jumlah Persentase

(%)

1 Milik Sendiri 95 95

2 Pinjam 5 5

Total 100 100


Mayoritas kepemilikan sepeda responden di kedua wilayah studi memiliki hubungan

dengan mayoritas jumlah kepemilikan sepeda di kedua wilayah studi. Dari hasil uji tabulasi

silang menunjukkan bahwa hubungan tersebut menghasilkan nilai asymptotic significance

(2-sided) sebesar 0,000 atau dibawah nilai signifikansi yang sudah ditentukan (0,05).

Apabila nilai asymptotic significance (2-sided) < nilai tingkat signifikansi dapat disimpulkan

bahwa terdapat hubungan antara kedua variabel tersebut.

64

4.2.1.7 Jumlah Kepemilikan Sepeda


pengguna sepeda di Kota Malang dan Kota Blitar memiliki jumlah sepeda sebanyak 1 buah

dengan rincian sebanyak 60 % di Kota Malang dan 50 % di Kota Blitar.

Tabel 4.14

Jumlah Kepemilikan Sepeda Pengguna Sepeda di Kota Malang

No. Jumlah Kepemilikan

Sepeda Jumlah Persentase (%)

1 Tidak Punya 2 2

2 1 60 60

3 2 30 30

4 > 2 8 8

Total 100 100


Tabel 4.15

Jumlah Kepemilikan Sepeda Pengguna Sepeda di Kota Blitar

No. Jumlah Kepemilikan

Sepeda Jumlah Persentase (%)

1 Tidak Punya 3 3

2 1 50 50

3 2 32 32

4 > 2 15 15

Total 100 100


4.2.1.8 Kepemilikan Kendaraan Lain Selain Sepeda

Berdasarkan survei kuesioner yang telah dilakukan terhadap responden pengguna

sepeda di wilayah studi dapat diketahui jika mayoritas pengguna sepeda di Kota Malang dan

Kota Bitar memiliki kendaraan lain yang digunakan untuk beraktivitas. Mayoritas kendaraan

lain yang dimiliki oleh pengguna sepeda motor adalah sepeda motor, dengan rincian

sebanyak 57 % di Kota Malang dan 72 % di Kota Blitar.

65

Tabel 4.16

Kepemilikan Kendaraan Lain Responden di Kota Malang

No. Kendaraan Lain yang

Dimiliki Jumlah Persentase (%)

1 Sepeda Motor 57 57

2 Mobil 5 5

3 Kendaraan Lain 1 1

4 Sepeda Motor dan Mobil 20 20

5 Tidak Punya 17 17

Total 100 100


Tabel 4.17

Kepemilikan Kendaraan Lain Responden di Kota Blitar

No. Kendaraan Lain yang

Dimiliki Jumlah Persentase (%)

1 Sepeda Motor 72 72

2 Mobil 3 3

3 Kendaraan Lain 0 0

4 Sepeda Motor dan Mobil 12 12

5 Tidak Punya 13 13

Total 100 100


4.2.1.9 Rekapitulasi Karakteristik Sosio-Ekonomi Pengguna Sepeda

Tabel 4.18

Rekapitulasi Karakteristik Sosio-Ekonomi Pengguna Sepeda yang Dominan

Variabel Kota Malang Kota Blitar

Jenis Kelamin Laki-laki Laki-kaki

Usia 15-25 tahun 15-25 tahun

Pendidikan SMU/SMK/MA SMU/SMK/MA

Pekerjaan Pelajar/Mahasiswa Wiraswasta

Tingkat Penghasilan Rp. 1.000.000 - Rp. 2.000.000 < Rp. 1.000.000

Kepemilikan Sepeda Milik Sendiri Milik Sendiri

Jumlah Kepemilikan 1 1

Kendaraan Lain Sepeda Motor Sepeda Motor


66

4.2.2 Karakteristik Pergerakan

4.2.2.1 Maksud dan Tujuan Pergerakan


pengguna sepeda di Kota Malang menggunakan sepeda dengan maksud dan tujuan untuk

berolahraga sebanyak 31 %, sedangkan di Kota Blitar mayoritas pengguna sepeda

menggunakan sepeda dengan maksud dan tujuan untuk bekerja sebanyak 50 %. Untuk di

Kota Malang mayoritas pengguna menggunakan sepeda dengan maksud dan tujuan untuk

berolahraga adalah karena pergerakan dengan sepeda hanya ramai pada akhir pekan saja

dibuktikan dengan intensitas penggunaanya yang tidak tentu. Sedangkan untuk di Kota

Blitar mayoritas pengguna sepeda menggunakan sepeda dengan maksud dan tujuan untuk

bekerja karena mayoritas pekerjaan responden pengguna sepeda merupakan bekerja sebagai

wiraswasta dan penggunaanya dilakukan secara rutin.

Tabel 4.19

Maksud dan Tujuan Pergerakan Pengguna Sepeda di Kota Malang

No. Maksud Perjalanan Jumlah Persentase (%)

1 Bekerja 22 22

2 Bertemu teman / saudara 8 8

3 Belanja 4 4

4 Rekreasi 25 25

5 Olahraga 31 31

6 Lain-lain 10 10

Total 100 100


Tabel 4.20

Maksud dan Tujuan Pergerakan Pengguna Sepeda di Kota Blitar

No. Maksud Perjalanan Jumlah Persentase (%)

1 Bekerja 50 50

2 Bertemu teman / saudara 4 4

3 Belanja 9 9

4 Rekreasi 17 17

5 Olahraga 8 18

6 Lain-lain 12 12

Total 100 100


67

4.2.2.2 Jarak Tempuh


pengguna sepeda di Kota Malang dan Kota Blitar menggunakan sepeda dengan jarak tempuh

kurang dari 5 km dengan rincian sebanyak 66 % di Kota Malang dan 49 % di Kota Blitar.

Mayoritas responden di Kota Malang dan Kota Blitar menggunakan sepeda dengan

jarak tempuh berkendara sepanjang < 5 km. Hal ini dikarenakan mayoritas waktu tempuh

dari lokasi awal responden menuju tempat yang dituju pada responden di kedua wilayah

studi selama < 30 menit atau dengan kata lain mayoritas responden di kedua wilayah studi

menggunakan sepeda untuk menuju lokasi yang dekat dengan waktu tempuh yang tidak

lama.

Tabel 4.21

Jarak Tempuh Pengguna Sepeda di Kota Malang

No. Jarak Tempuh

Perjalanan Jumlah Persentase (%)

1 < 5 km 66 66

2 5-10 km 21 21

3 11-15 km 2 2

4 16-20 km 4 4

5 > 20 km 7 7

Total 100 100


Tabel 4.22

Jarak Tempuh Pengguna Sepeda di Kota Blitar

No. Jarak Tempuh

Perjalanan Jumlah Persentase (%)

1 < 5 km 49 49

2 5-10 km 32 32

3 11-15 km 6 6

4 16-20 km 6 6

5 > 20 km 7 7

Total 100 100


Mayoritas responden di Kota Malang dan Kota Blitar menggunakan sepeda dengan

jarak tempuh berkendara sepanjang < 5 km. Hal ini dikarenakan mayoritas waktu tempuh

dari lokasi awal responden menuju tempat yang dituju pada responden di kedua wilayah

studi selama < 30 menit atau dengan kata lain mayoritas responden di kedua wilayah studi

68

menggunakan sepeda untuk menuju lokasi yang dekat dengan waktu tempuh yang tidak

lama. Adanya hubungan antara jarak tempuh dan waktu tempuh responden di kedua kota

ditunjukkan dengan besarnya nilai asymptotic significance (2-sided) sebesar 0,000 untuk

kedua wilayah studi atau lebih kecil dari nilai tingkat signifikansi (0,05). Apabila nilai

asymptotic significance (2-sided) < nilai tingkat signifikansi dapat disimpulkan bahwa

terdapat hubungan antara kedua variabel tersebut.

4.2.2.3 Waktu Tempuh


pengguna sepeda di Kota Malang dan Kota Blitar memerlukan waktu tempuh < 30 menit

untuk bisa sampai ke tempat tujuan dengan rincian sebanyak 54 % di Kota Malang dan 49

% di Kota Blitar. Hal ini dapat terjadi karena jarak tempuh yang ditempuh oleh responden

dari lokasi asal menuju lokasi yang dituju < 5km.

Tabel 4.23

Waktu Tempuh Pengguna Sepeda di Kota Malang

No. Waktu Tempuh Perjalanan Jumlah Persentase (%)

1 < 30 menit 54 54

2 30 - 60 menit 32 32

3 > 60 menit 14 14

Total 100 100


Tabel 4.24

Waktu Tempuh Pengguna Sepeda di Kota Blitar

No. Waktu Tempuh Perjalanan Jumlah Persentase (%)

1 < 30 menit 49 49

2 30 - 60 menit 33 33

3 > 60 menit 18 18

Total 100 100


Mayoritas waktu tempuh perjalanan responden di kedua wilayah studi mempunyai

hubungan dengan mayoritas jarak tempuh di kedua wilayah studi. Adanya hubungan antara

mayoritas waktu tempuh dan mayoritas jarak tempuh di kedua kota ditunjukkan dengan

besarnya nilai asymptotic significance (2-sided) sebesar 0,000 untuk kedua wilayah studi

atau lebih kecil dari nilai tingkat signifikansi (0,05). Apabila nilai asymptotic significance

(2-sided) < nilai tingkat signifikansi dapat disimpulkan bahwa terdapat hubungan antara


69

4.2.2.4 Intensitas Penggunaan Sepeda


pengguna sepeda di Kota Malang dalam seminggu menggunakan sepeda dengan intensitas

tidak tentu sebanyak 30 %, sedangkan intensitas penggunaan sepeda di Kota Blitar dalam

seminggu adalah rutin (> 5 hari) sebanyak 48 %. Intensitas penggunaan sepeda pada

responden di Kota Malang lebih banyak tidak tentu karena mayoritas pesepeda di Kota

Malang menggunakan sepeda hanya untuk berolahraga, dengan kata lain aktivitas olahraga

dengan bersepeda belum tentu dilakukan setiap hari oleh pengguna sepeda di Kota Malang.

Sedangkan untuk responden di Kota Blitar, intensitas penggunaan sepeda adalah rutin, hal

ini dikarenakan responden di Kota Blitar menggunakan sepeda untuk bekerja yang

merupakan aktivitas rutin yang dilakukan hampir setiap hari oleh responden Kota Blitar.

Untuk lebih jelasnya dapat dilihat pada tabel 4.25 dan tabel 4.26.

Tabel 4.25

Intensitas Penggunaan Sepeda di Kota Malang

No. Intensitas Penggunaan

Sepeda Jumlah

Persentase

(%)

1 Jarang (1-2 hari) 18 18

2 Sedang (3-5 hari) 22 22

3 Rutin (>5 hari) 28 28

4 Tidak Tentu 30 30

Total 100 100


Tabel 4.26

Intensitas Penggunaan Sepeda di Kota Blitar

No. Intensitas Penggunaan

Sepeda Jumlah

Persentase

(%)

1 Jarang (1-2 hari) 21 21

2 Sedang (3-5 hari) 14 14

3 Rutin (>5 hari) 48 48

4 Tidak Tentu 17 17

Total 100 100


Mayoritas intensitas penggunaan sepeda di kedua wilayah studi memiliki hubungan

dengan mayoritas maksud tujuan perjalanan responden di wilayah studi. Hubungan tersebut

ditunjukkan dengan nilai asymptotic significance (2-sided) sebesar 0,000 untuk wilayah

studi Kota Malang dan 0,047 untuk wilayah studi Kota Blitar. Kedua nilai tersebut dibawah

70

nilai signifikansi (0,05). Apabila nilai asymptotic significance (2-sided) < nilai tingkat

signifikansi dapat disimpulkan bahwa terdapat hubungan antara kedua variabel tersebut.

4.2.2.5 Waktu Mulai Beraktivitas


pengguna sepeda di Kota Malang dan Kota Blitar dalam beraktivitas menggunakan sepeda

mulai antara pukul 06.01 WIB sampai dengan 08.00 WIB yaitu sebanyak 61 % di Kota

Malang dan sebanyak 35 % di Kota Blitar. Banyak responden yang beraktivitas pada waktu

karena waktu tersebut untuk berangkat kerja dan berolahraga.

Tabel 4.27

Waktu Mulai Penggunaan Sepeda di Kota Malang

No. Waktu Mulai Penggunaan Sepeda Jumlah Persentase

(%)

1 04.00-06.00 11 11

2 06.01-08.00 61 61

3 08.01-10.00 13 13

4 10.01-12.00 0 0

5 12.01-14.00 0 0

6 14.01-16.00 3 3

7 16.01-18.00 3 3

8 18.01-20.00 1 1

9 Tidak Tentu 8 8

Total 100 100


Tabel 4.28

Waktu Mulai Penggunaan Sepeda di Kota Blitar

No. Waktu Mulai Penggunaan Sepeda Jumlah Persentase

(%)

1 04.00-06.00 12 12

2 06.01-08.00 35 35

3 08.01-10.00 25 25

4 10.01-12.00 9 9

5 12.01-14.00 5 5

6 14.01-16.00 2 2

7 16.01-18.00 5 5

8 18.01-20.00 8 8

9 Tidak Tentu 0 0

Total 100 100


71

4.2.2.6 Rekapitulasi Karakteristik Pergerakan Pengguna Sepeda

Tabel 4.29

Rekapitulasi Karakteristik Pergerakan Pengguna Sepeda yang Dominan

Variabel Kota Malang Kota Blitar

Maksud dan Tujuan Olahraga Bekerja

Jarak Tempuh < 5 km < 5 km

Waktu Tempuh < 30 menit < 30 menit

Intensitas Penggunaan Tidak Tentu Rutin (> 5 hari)

Waktu Mulai Beraktivitas 06.01-08.00 06.01-08.00


4.2.3 Karakteristik Perilaku

Dalam penelitian ini karakteristik perilaku pengguna sepeda dibagi menjadi dua macam

yaitu perilaku saat akan atau sebelum berkendara dan perilaku saat berkendara. Berdasarkan

hasil survei yang telah dilakukan dapat diketahui jika perilaku pengendara sepeda di Kota

Malang sebelum berkendara dengan sepeda adalah tidak pernah memeriksa kondisi lampu

sepeda, selalu memeriksa kondisi rem sepeda, selalu memeriksa kondisi ban sepeda, dan

kadang-kadang memeriksa kondisi rantai sepeda. Responden tidak pernah memeriksa lampu

sepedanya dikarenakan sepeda milik responden umumnya tidak dilengkapi oleh lampu, baik

lampu depan maupun belakang.

Sedangkan saat sedang berkendara, perilaku pengguna sepeda di Kota Malang adalah

tidak memakai alat keselamatan seperti helm, sarung tangan, pelindung lutut dan pelindung

siku. Perilaku lain adalah kadang-kadang memakai pakaian berwarna terang, tidak pernah

berboncengan, tidak pernah berjalan secara berombongan, tidak pernah bersenda gurau

dijalan, tidak pernah menerobos lampu merah, tidak pernah membawa barang dengan

muatan berlebih, kadang-kadang menyiap kendaraan dari sebelah kanan, selalu memberi

tanda saat akan belok kanan dan kadang-kadang tetap melakukan perjalaanan saat hujan.

Sedangkan untuk perilaku pengendara sepeda di Kota Blitar, disimpulkan bahwa

perilaku pengendara sepeda di Kota Blitar sebelum berkendara dengan sepeda adalah tidak

pernah memeriksa kondisi lampu sepeda, selalu memeriksa kondisi rem sepeda, selalu

memeriksa kondisi ban sepeda, dan kadang-kadang memeriksa kondisi rantai sepeda. Sama

seperti hasil sebelumnya pada wilayah studi Kota Malang, responden di Kota Blitar tidak

pernah memeriksa lampu sepedanya dikarenakan sepeda milik responden umumnya tidak

dilengkapi oleh lampu, baik lampu depan maupun belakang.

72

Sedangkan saat sedang berkendara, perilaku pengguna sepeda di Kota Blitar adalah

tidak memakai alat keselamatan seperti helm, sarung tangan, pelindung lutut dan pelindung

siku. Perilaku lain adalah kadang-kadang memakai pakaian berwarna terang, tidak pernah

berboncengan, kadang-kadang berjalan secara berombongan, tidak pernah bersenda gurau

dijalan, tidak pernah menerobos lampu merah, tidak pernah membawa barang dengan

muatan berlebih, kadang-kadang menyiap kendaraan dari sebelah kanan, selalu memberi

tanda saat akan belok kanan dan kadang-kadang tetap melakukan perjalaanan saat hujan.

Tabel 4.30

Perilaku Bersepeda Pengguna Sepeda di Kota Malang

No. Fokus Pemeriksaan

Jumlah

Total Selalu

Kadang-

kadang

Tidak

Pernah

1 Memeriksa kondisi lampu sepeda 12 36 52 100

2 Memeriksa kondisi rem sepeda 45 29 26 100

3 Memeriksa kondisi ban sepeda 60 32 8 100

4 Memeriksa kondisi rantai sepeda 32 41 27 100

5 Memakai helm 11 30 59 100

6 Memakai sarung tangan 8 30 62 100

7 Memakai pelindung lutut 4 18 78 100

8 Memakai pelindung siku 2 17 81 100

9 Memakai pakaian berwarna terang

/ cerah 7 51 42 100

10 Berboncengan 1 18 81 100

11 Berjalan secara berombongan 12 36 52 100

12 Bersenda gurau 14 37 49 100

13 Menerobos lampu merah 5 13 82 100

14 Membawa barang/muatan dalam

jumlah besar 3 18 79 100

15 Mendahului (menyiap) kendaraan

lain dari sebelah kanan 12 47 41 100

16 Memberi tanda saat akan belok

kanan 42 33 25 100

17 Melakukan perjalanan dengan

sepeda saat hujan 6 49 45 100


73

Tabel 4.31

Perilaku Bersepeda Pengguna Sepeda di Kota Blitar

No. Fokus Pemeriksaan

Jumlah

Total Selalu

Kadang-

kadang

Tidak

Pernah

1 Memeriksa kondisi lampu sepeda 25 8 67 100

2 Memeriksa kondisi rem sepeda 45 28 27 100

3 Memeriksa kondisi ban sepeda 56 20 24 100

4 Memeriksa kondisi rantai sepeda 15 43 42 100

5 Memakai helm 3 10 87 100

6 Memakai sarung tangan 0 15 85 100

7 Memakai pelindung lutut 1 7 92 100

8 Memakai pelindung siku 1 7 92 100

9 Memakai pakaian berwarna terang

/ cerah 12 50 38 100

10 Berboncengan 4 41 55 100

11 Berjalan secara berombongan 4 49 47 100

12 Bersenda gurau 15 42 43 100

13 Menerobos lampu merah 4 23 73 100

14 Membawa barang/muatan dalam

jumlah besar 2 26 72 100

15 Mendahului (menyiap) kendaraan

lain dari sebelah kanan 8 45 47 100

16 Memberi tanda saat akan belok

kanan 40 32 28 100

17 Melakukan perjalanan dengan

sepeda saat hujan 3 49 48 100


4.2.3.1 Rekapitulasi Karakteristik Perilaku Pengguna Sepeda

Tabel 4.32

Rekapitulasi Karakteristik Perilaku Pengguna Sepeda yang Dominan

Fokus Pemeriksaan Kota Malang Kota Blitar

Perilaku Sebelum Berkendara

Memeriksa kondisi lampu sepeda Tidak Pernah Tidak Pernah

Memeriksa kondisi rem sepeda Selalu Selalu

Memeriksa kondisi ban sepeda Selalu Selalu

Memeriksa kondisi rantai sepeda Kadang-kadang Kadang-kadang


74

Tabel 4.32

Rekapitulasi Karakteristik Perilaku Pengguna Sepeda yang Dominan (lanjutan)

Fokus Pemeriksaan Kota Malang Kota Blitar

Perilaku Saat Berkendara

Memakai helm Tidak Pernah Tidak Pernah

Memakai sarung tangan Tidak Pernah Tidak Pernah

Memakai pelindung lutut Tidak Pernah Tidak Pernah

Memakai pelindung siku Tidak Pernah Tidak Pernah

Memakai pakaian berwarna terang / cerah Kadang-kadang Kadang-kadang

Berboncengan Tidak Pernah Tidak Pernah

Berjalan secara berombongan Tidak Pernah Kadang-kadang

Bersenda gurau Tidak Pernah Tidak Pernah

Menerobos lampu merah Tidak Pernah Tidak Pernah

Membawa barang/muatan dalam jumlah besar Tidak Pernah Tidak Pernah

Mendahului (menyiap) kendaraan lain dari sebelah

kanan Kadang-kadang Tidak Pernah

Memberi tanda saat akan belok kanan Tidak Pernah Selalu

Melakukan perjalanan dengan sepeda saat hujan Kadang-kadang Kadang-kadang


4.3 Karakteristik Sepeda

Karakteristik sepeda dalam penelitian ini adalah berhubugan dengan kelengkapan

sepeda yang dimiliki oleh pengguna sepeda di wilayah studi. Berdasarkan hasil kuesioner

yang telah dilakukan didapat kelengkapan sepeda responden di wilayah studi yang dapat

dilihat pada tabel 4.33 dan 4.34 berikut.

Tabel 4.33

Kelengkapan Sepeda Pengguna Sepeda di Kota Malang

No. Fokus Pemeriksaan Jumlah

Total Ada Tidak Ada

1 Rem 94 6 100

2 Lampu depan 26 74 100

3 Lampu belakang 24 76 100

4 Bel 47 53 100

5 Tempat membonceng 27 73 100

6 Keranjang sepeda 19 81 100

7 Slebor 50 51 100

8 Katengkas (tutup rantai) 30 70 100

9 Jagrak 79 21 100


75

Tabel 4.34

Kelengkapan Sepeda Pengguna Sepeda di Kota Blitar

No. Fokus Pemeriksaan Jumlah

Total Ada Tidak Ada

1 Rem 96 4 100

2 Lampu depan 34 66 100

3 Lampu belakang 26 74 100

4 Bel 62 38 100

5 Tempat membonceng 56 44 100

6 Keranjang sepeda 51 49 100

7 Slebor 69 31 100

8 Katengkas (tutup rantai) 59 41 100

9 Jagrak 88 12 100


Berdasarkan tabel 4.33 dan 4.34 tersebut dapat diketahui jika mayoritas sepeda milik

pengguna sepeda di Kota Malang kelengkapan sepedanya yang sudah baik hanya rem dan

jagrak. Untuk kelengkapan lain seperti lampu depan, lampu belakang, bel, tempat

membonceng, keranjang sepeda, slebor dan katengkas mayoritas tidak lengkap . Sedangkan

untuk pengguna sepeda di Kota Blitar, kelengkapan sepeda yang sudah baik adalah rem, bel,

tempat untuk membonceng, keranjang sepeda, slebor, katengkas (tutup rantai), dan jagrak.

Untuk mayoritas kelegkapan sepeda responden yang tidak lengkap di Kota Blitar hanya

lampun depan dan lampu belakang.

Tabel 4.35

Rekapitulasi Kelengkapan Sepeda Pengguna Sepeda di Wilayah Studi

No. Fokus Pemeriksaan Wilayah Studi

Kota Malang Kota Blitar

1 Rem Lengkap Lengkap

2 Lampu depan Tidak Lengkap Tidak Lengkap

3 Lampu belakang Tidak Lengkap Tidak Lengkap

4 Bel Tidak Lengkap Lengkap

5 Tempat membonceng Tidak Lengkap Lengkap

6 Keranjang sepeda Tidak Lengkap Lengkap

7 Slebor Tidak Lengkap Lengkap

8 Katengkas (tutup rantai) Tidak Lengkap Lengkap

9 Jagrak Lengkap Lengkap


76

4.4 Karakteristik Kecelakaan

4.4.1 Pengalaman Kecelakaan Pengendara Sepeda

Berdasarkan hasil survei primer terhadap masing-masing 100 responden di Kota

Malang- dan Kota Blitar dapat diketahui pengalaman responden di Kota Malang yang

terlibat kecelakaan adalah sebanyak 61 %. Sedangkan responden di Kota Blitar yang pernah

terlibat kecelakaan adalah sebanyak 44 %.

Tabel 4.36

Pengalaman Kecelakaan Pengguna Sepeda di Kota Malang

No. Pengalamaman kecelakaan saat

bersepeda Jumlah

Persentase

(%)

1 Pernah 61 61

2 Tidak Pernah 39 39

Total 100 100


Tabel 4.37

Pengalaman Kecelakaan Pengguna Sepeda di Kota Blitar

No. Pengalamaman kecelakaan saat

bersepeda Jumlah

Persentase

(%)

1 Pernah 44 44

2 Tidak Pernah 56 56

Total 100 100


4.4.2 Kerugian Akibat Kecelakaan

Pada penelitian ini, peneliti membagi beberapa kategori untuk cedera dan biaya dalam

perawatan cedera kecelakaan dan biaya yang digunakan untuk perbaikan sepeda akibat

kecelakaan.

a. Biaya Perawatan Cedera

Untuk kategori cedera kecelakaan, dibagi menjadi cedera ringan (luka memar, lecet,

keseleo), cedera berat (patah tulang, dijahit dll), dan tidak mengalami cedera sama sekali.

Sedangkan, untuk biaya cedera kecelakaan, peneliti membagi dalam 3 interval, yaitu interval

pertama sebesar < Rp. 50.000, interval kedua yaitu Rp.50.000 – Rp.250.000 dan interval

ketiga yaitu > Rp.250.000. Berdasarkan hasil survei kuesioner diketahui mayoritas

responden yang pernah mengalami kecelakaan di Kota Malang mengeluarkan biaya sebesar

< Rp.50.000 sebesar 70,49% atau sebanyak 43 responden dari total 61 responden yang

77

pernah mengalami kecelakaan. Biaya yang dikeluarkan responden terbilang cukup rendah,

hal ini dikarenakan mayoritas responden hanya mengalami cedera ringan ketika kecelakaan.

Dengan kata lain, semakin ringan cedera yang dialami responden ketika kecelakaan, maka

semakin rendah pula biaya perawatan yang dikeluarkan oleh responden.

Untuk Kota Blitar, mayoritas responden yang pernah mengalami kecelakaan juga

mengeluarkan biaya sebesar < Rp.50.000 dengan persentase sebesar 70,45% atau sebanyak

31 responden dari total 44 responden yang pernah mengalami kecelakaan. Sama seperti di

Kota Malang, biaya yang dikeluarkan responden Kota Blitar terbilang cukup rendah, hal ini

dikarenakan mayoritas responden hanya mengalami cedera ringan ketika kecelakaan.

Dengan kata lain, semakin ringan cedera yang dialami responden ketika kecelakaan, maka

semakin rendah pula biaya perawatan yang dikeluarkan oleh responden.

Tabel 4.38

Biaya Perawatan Cedera Pengguna Sepeda di Kota Malang

No. Biaya Yang Dikeluarkan Jumlah Persentase

(%)

1 < Rp. 50.000 43 70.49

2 Rp. 50.0000 - Rp. 250.000 15 24.59

3 > Rp. 250.000 3 4.92

Total 61 100


Tabel 4.39

Biaya Perawatan Cedera Pengguna Sepeda di Kota Blitar


(%)

1 < Rp. 50.000 31 70.45

2 Rp. 50.0000 - Rp. 250.000 12 27.27

3 > Rp. 250.000 1 2.27

Total 44 100


Adanya hubungan antara biaya perawatan cedera dengan tingkat keparahan cedera

responden di Kota Malang dibuktikan dengan hasil uji tabulasi silang yang menunjukkan

nilai asymptotic significance (2-sided) sebesar 0,000 atau dibawah nilai signifikansi yang

sudah ditentukan (0,05). Sama seperti hasil uji tabulasi silang hubungan antara biaya

perawatan cedera dengan tingkat keparahan cedera di Kota Malang, untuk responden di Kota

Blitar menunjukkan nilai asymptotic significance (2-sided) yang sama, yaitu 0,000 atau

dibawah nilai signifikansi (0,05). Apabila nilai asymptotic significance (2-sided) < nilai

78

signifikansi yang sudah ditentukan (0,05) maka dapat disimpulkan terdapat hubungan antara


b. Biaya Perbaikan Sepeda

Untuk biaya perbaikan sepeda akibat kecelakaan yang dialami pengguna sepeda dibagi

kedalam interval yang sama seperti biaya perawatan cedera kecelakaan. Berdasarkan hasil

survei kuesioner diketahui mayoritas responden yang pernah mengalami kecelakaan sepeda,

mengeluarkan biaya sebesar < Rp. 50.000 untuk perbaikan sepeda pasca kecelakaan dengan

persentase sebesar 67,21 % atau sebanyak 41 responden dari total 61 responden yang pernah

mengalami kecelakaan sepeda. Biaya perbaikan sepeda yang dikeluarkan oleh responden

Kota Malang terbilang rendah, hal ini dikarenakan responden hanya mengalami cedera

ringan ketika kecelakaan.

Untuk Kota Blitar, mayoritas responden mengeluarkan biaya sebesar < Rp.50.000

dengan persentase sebesar 54,55 % atau sebanyak 24 responden dari total responden

sebanyak 44 orang yang pernah mengalami kecelakaan sepeda. Sama seperti responden di

Kota Malang, untuk Kota Blitar biaya perbaikan sepeda yang dikeluarkan oleh responden

terbilang rendah, hal ini dikarenakan responden hanya mengalami cedera ringan ketika

kecelakaan.

Tabel 4.40

Biaya Perbaikan Sepeda Pengguna Sepeda di Kota Malang


(%)

1 < Rp. 50.000 41 67.21

2 Rp. 50.0000 - Rp. 250.000 15 24.59

3 > Rp. 250.000 5 8.20

Total 61 100


Tabel 4.41

Biaya Perbaikan Sepeda Pengguna Sepeda di Kota Blitar


(%)

1 < Rp. 50.000 24 54.55

2 Rp. 50.0000 - Rp. 250.000 18 40.91

3 > Rp. 250.000 2 4.55

Total 44 100


79

Adanya hubungan antara biaya perbaikan sepeda dengan tingkat cedera dibuktikan

dengan nilai asymptotic significance (2-sided) pada uji tabulasi silang untuk responden di

kedua kota. Nilai asymptotic significance (2-sided) menunjukkan angka 0,000 atau dibawah

nilai signifikansi (0,05). Apabila nilai asymptotic significance (2-sided) < nilai signifikansi

yang sudah ditentukan (0,05) maka dapat disimpulkan terdapat hubungan antara kedua

variabel tersebut.

4.4.3 Waktu Kejadian Kecelakaan Sepeda

Untuk waktu kejadian kecelakaan berdasarkan pengalaman responden dibagi menjadi

empat kelas yaitu seperti waktu kejadian pagi, siang, sore, malam dan kategori tidak ingat

kejadiannya. Berdasarkan hasil survei yang telah dilakukuan didapatkan mayoritas

responden mengaku bahwa kejadian kecelakaan sepeda yang pernah dialami responden

terjadi pada sore hari dengan persentase sebesar 39,34% atau sebanyak 24 responden dari

total 61 responden yang pernah mengalami kecelakaan sepeda. Sedangkan untuk Kota Blitar,

mayoritas waktu kejadian kecelakaan yang pernah dialami oleh responden juga pada sore

hari dengan persentase sebesar 36,36% atau sebanyak 16 responden dari total 44 responden

yang pernah mengalami kecelakaan sepeda.

Tabel 4.42

Waktu Kejadian Kecelakaan Sepeda yang Dialami Responden Kota Malang

No Waktu Kejadian Jumlah Persentase (%)

1 Pagi 19 31.15

2 Siang 8 13.11

3 Sore 24 39.34

4 Malam 4 6.56

5 Tidak Ingat 6 9.84

Total 61 100


Tabel 4.43

Waktu Kejadian Kecelakaan Sepeda yang Dialami Responden Kota Blitar

No Waktu Kejadian Jumlah Persentase (%)

1 Pagi 15 34.09

2 Siang 7 15.91

3 Sore 16 36.36

4 Malam 0 0.00

5 Tidak Ingat 6 13.64

Total 44 100


80

Mayoritas waktu kejadian kecelakaan sepeda responden di Kota Malang mempunyai

hubungan dengan mayoritas penyebab kecelakaan responden di Kota Malang. Hal ini

ditunjukkan dengan nilai asymptotic significance (2-sided) sebesar 0,000 atau lebih kecil

dari nilai signifikansi yang sudah ditentukan sebelumnya (0,05). Sama seperti di Kota

Malang, untuk responden di Kota Blitar mayoritas waktu kejadian kecelakaan sepeda

responden di Kota Malang mempunyai hubungan dengan mayoritas penyebab kecelakaan

responden di Kota Malang. Hal ini ditunjukkan dengan nilai asymptotic significance (2-

sided) sebesar 0,000 atau lebih kecil dari nilai signifikansi yang sudah ditentukan

sebelumnya (0,05). Apabila nilai asymptotic significance (2-sided) < nilai signifikansi yang

sudah ditentukan (0,05) maka dapat disimpulkan terdapat hubungan antara kedua variabel

tersebut.

4.4.4 Penyebab Kecelakaan

Berdasarkan hasil kuesioner tentang pengalaman kecelakaan terhadap pengguna sepeda

di Kota Malang sebanyak 61 orang responden dan 44 orang responden di Kota Blitar

diketahui jika kecelakaan yang melibatkan pengguna sepeda di Kota Malang adalah

disebabkan oleh kondisi jalan yang licin atau rusak sebanyak 36,07 %. Sedangkan penyebab

kecelakaan responden di Kota Blitar adalah kesalahan sendiri seperti mengantuk, melamun,

dan bercanda sebanyak 29,55 %. Mayoritas penyebab kecelakaan pesepeda di Kota Blitar

memiliki perilaku mengendarai sepeda sambil bersenda gurau sehingga faktor kesalahan

sendiri menjadi penyebab utama terjadinya kecelakaan pesepeda di Kota Blitar.

Tabel 4.44

Penyebab Kecelakaan Pengguna Sepeda di Kota Malang

No. Penyebab Kecelakaan Frekuensi Persentase

(%)

1 Jalan licin / rusak 22 36.07

2 Kesalahan sendiri (mengantuk,

melamun, bercanda dll) 14 22.95

3 Lalu lintas sangat ramai 5 8.20

4 Sepeda rusak (rem blong, rantai putus,

ban bocor dll) 7 11.48

5 Ditabrak sesama pengguna sepeda 3 4.92

6 Ditabrak pengguna kendaraan bermotor 10 16.39

7 Jalan gelap 0 0.00

Total 61 100


81

Tabel 4.45

Penyebab Kecelakaan Pengguna Sepeda di Kota Blitar

No. Penyebab Kecelakaan Frekuensi Persentase

(%)

1 Jalan licin / rusak 11 25.00

2 Kesalahan sendiri (mengantuk,

melamun, bercanda dll) 13 29.55

3 Lalu lintas sangat ramai 2 4.55

4 Sepeda rusak (rem blong, rantai putus,

ban bocor dll) 8 18.18

5 Ditabrak sesama pengguna sepeda 1 2.27

6 Ditabrak pengguna kendaraan bermotor 7 15.91

7 Jalan gelap 2 4.55

Total 44 100


Mayoritas penyebab kecelakaan responden di Kota Malang mempunyai hubungan

dengan mayoritas waktu kejadian kecelakaan responden di Kota Malang. Hal ini ditunjukkan

dengan nilai asymptotic significance (2-sided) sebesar 0,000 atau lebih kecil dari nilai

signifikansi yang sudah ditentukan sebelumnya (0,05). Sedangkan untuk Kota Blitar,

mayoritas penyebab kecelakaan pesepeda di Kota Blitar memiliki hubungan dengan perilaku

mengendarai sepeda sambil bersenda gurau sehingga faktor kesalahan sendiri menjadi

penyebab utama terjadinya kecelakaan pesepeda di Kota Blitar. Hal ini ditunjukkan dengan

nilai asymptotic significance (2-sided) sebesar 0,005 atau lebih kecil dari tingkat signifikasi

yang sudah ditentukan sebelumnya (0,05) pada tabulasi silang hubungan antara mayoritas

penyebab kecelakaan di Kota Blitar dengan perilaku bersepeda sambil bersenda gurau.

Apabila nilai asymptotic significance (2-sided) < nilai signifikansi yang sudah ditentukan

(0,05) maka dapat disimpulkan terdapat hubungan antara kedua variabel tersebut.

4.5 Hubungan Antar Variabel Penjelas

4.5.1 Hubungan Antar Karakteristik Sosio–Ekonomi dan Karakrteristik Pergerakan

Dalam penelitian ini dilakukan uji tabulasi silang antar variabel penjelas yaitu variabel-

variabel karakteristik sosio-ekonomi dan variabel-variabel karakteristik pergerakan untuk

mengetahui ada tidaknya hubungan antara satu variabel dengan variabel lain. Uji tabulasi

silang dilakukan dengan interpretasi bahwa satu variabel dengan variabel lainnya dikatakan

ada hubungan satu sama lain jika nilai signifikansinya ≤ 0,05. Hasil dari uji tabulasi silang

antar variabel karakteristik sosio-ekonomi dan pergerakan dapat dilihat pada tabel berikut.

82

Tabel 4.46

Hubungan Antar Variabel Karakteristik Sosio-Ekonomi dan Pergerakan Kota Malang

Maksud

Perjalanan

Jarak

Tempuh

Perjalanan

Waktu

Tempuh

Perjalanan

Intensitas

Penggunaan

Sepeda

Waktu

Mulai

Penggunaan

Jenis Kelamin Sig (2-

Sided) 0,200 0,697 0,001 0,055 0,825

Usia Sig (2-

Sided) 0,805 0,402 0,339 0,359 0,087

Tingkat

Pendidikan

Sig (2-

Sided) 0,935 0,483 0,537 0,315 0,019

Pekerjaan Sig (2-

Sided) 0,109 0,150 0,260 0,172 0,359

Tingkat

Penghasilan

Sig (2-

Sided) 0,037 0,024 0,828 0,150 0,226

Kepemilikan

Sepeda

Sig (2-

Sided) 0,465 0,317 0,089 0,601 0,462

Jumlah

Kepemilikan

Sepeda

Sig (2-

Sided) 0,587 0,639 0,305 0,106 0,533

Kendaraan Lain

yang Dimiliki

Sig (2-

Sided) 0,109 0,490 0,192 0,402 0,640

Sumber : Hasil Perhitungan

Tabel 4.47

Hubungan Antar Variabel Karakteristik Sosio-Ekonomi dan Pergerakan Kota Blitar

Maksud

Perjalanan

Jarak

Tempuh

Perjalanan

Waktu

Tempuh

Perjalanan

Intensitas

Penggunaan

Sepeda

Waktu

Mulai

Penggunaan

Jenis Kelamin Sig (2-

Sided) 0,668 0,064 0,891 0,482 0,192

Usia Sig (2-

Sided) 0,000 0,973 0,828 0,712 0,010

Tingkat

Pendidikan

Sig (2-

Sided) 0,045 0,558 0,828 0,404 0,146

Pekerjaan Sig (2-

Sided) 0,230 0,553 0,553 0,987 0,822

Tingkat

Penghasilan

Sig (2-

Sided) 0,677 0,325 0,069 0,907 0,973

Kepemilikan

Sepeda

Sig (2-

Sided) 0,169 0,680 0,680 0,713 0,748

Jumlah

Kepemilikan

Sepeda

Sig (2-

Sided) 0,316 0,225 0,044 0,860 0,049

Kendaraan Lain

yang Dimiliki

Sig (2-

Sided) 1 0,748 0,901 0,844 0,006


83

4.5.2 Hubungan Karakteristik Perilaku dengan Pengalaman Kecelakaan

Tabel 4.48

Hubungan Variabel Karakteristik Perilaku dan Karakteristik Kecelakaan di Kota Malang

Pengalaman

Kecelakaan

Frekuensi

Kecelakaan

Tingkat

Cedera

Biaya

Perawatan

Cedera

Biaya

Perbaikan

Sepeda

Waktu

Kejadian

Penyebab

Kecelakaan

X14 0,004 0,037 0,002 0,016 0,063 0,224 0,011

X15 0,141 0,131 0,372 0,172 0,009 0,530 0,124

X16 0,681 0,104 0,916 0,750 0,760 0,182 0,452

X17 0,301 0,615 0,272 0,684 0,615 0,035 0,379

X18 0,533 0,819 0,77 0,031 0,372 0,514 0,866

X19 0,651 0,647 0,816 0,814 0,863 0,713 0,593

X20 0,257 0,759 0,246 0,733 0,566 0,984 0,5

X21 0,926 0,988 0,991 0,976 0,849 0,961 0,487

X22 0,645 0,888 0,624 0,925 0,819 0,646 0,640

X23 0,388 0,701 0,811 0,719 0,505 0,729 0,007

X24 0,217 0,461 0,342 0,242 0,435 0,827 0,002

X25 0,484 0,715 0,55 0,526 0,587 0,950 0,024

X26 0,306 0,382 0,779 0,490 0,435 0,488 0,815

X27 0,606 0,832 0,851 0,369 0,959 0,595 0,935

X28 0,861 0,885 0,090 0,445 0,368 0,108 0,813

X29 0,418 0,388 0,210 0,257 0,662 0,160 0,633

X30 0,428 0,840 0,569 0,867 0,775 0,499 0,946


84

Tabel 4.49

Hubungan Variabel Karakteristik Perilaku dan Karakteristik Kecelakaan di Kota Blitar

Pengalaman

Kecelakaan

Frekuensi

Kecelakaan

Tingkat

Cedera

Biaya

Perawatan

Cedera

Biaya

Perbaikan

Sepeda

Waktu

Kejadian

Penyebab

Kecelakaan

X14 0,411 0,566 0,274 0,451 0,101 0,142 0,540

X15 0,747 0,375 0,816 0,903 0,489 0,265 0,687

X16 0,623 0,823 0,665 0,722 0,652 0,829 0,395

X17 0,593 0,252 0,139 0,340 0,006 0,449 0,101

X18 0,183 0,682 0,528 0,723 0,322 0,266 0,902

X19 0,367 0,576 0,646 0,771 0,527 0,178 0,398

X20 0,526 0,325 0,601 0,026 0,152 0,804 0,443

X21 0,670 0,975 0,966 0,893 0,721 0,974 0,800

X22 0,058 0,310 0,033 0,243 0,286 0,617 0,128

X23 0,016 0,018 0,202 0,006 0,078 0,125 0,071

X24 0,034 0,111 0,306 0,104 0,122 0,502 0,115

X25 0,116 0,071 0,046 0,076 0,155 0,675 0,005

X26 0,020 0,13 0,007 0,029 0,019 0,171 0,005

X27 0,252 0,649 0,826 0,653 0,688 0,496 0,914

X28 0,165 0,682 0,073 0,119 0,498 0,163 0,601

X29 0,949 0,949 0,804 0,756 0,292 0,705 0,271

X30 0,090 0,394 0,185 0,204 0,534 0,755 0,811


85

4.6 Model Prediksi Peluang Kecelakaan Sepeda

4.6.1 Uji Validitas

Uji validitas digunakan untuk mengetahui kevalidan kuesioner dalam mengumpulkan

data. Dalam penelitian ini untuk menguji validitas hasil kuesioner yang ada digunakan rumus

korelasi bivariate pearson. Variabel yang diuji validitas dalam penelitian ini adalah variabel

yang berkaitan dengan karakteristik perilaku pengguna sepeda. Data akan dikatakan valid

jika harga rhitung > rminimum pada nilai signifikansi 5 %. Untuk penelitian ini r minimum

ditetapkan sebesar 0,3. Sebaliknya data dikatakan tidak valid jika harga rhitung < rmininum pada

nilai signifikansi 5 %.

Dalam penelitian ini variabel-variabel yang diuji validitas adalah sub variabel

karakteristik perilaku pengguna sepeda. Adapun hasil uji validitas yang telah dilakukuan

terhadap variabel karakteristik perilaku berdasarkan hasil kuesioner di Kota Malang dan

Kota Blitar disajikan pada tabel 4.50 dan 4.51.

Tabel 4.50

Nilai Uji Validitas Variabel-Variabel Penelitian Hasil Penelitian di Kota Malang

Variabel R Hitung Keterangan

X14 Memeriksa kondisi lampu sepeda 0.490 VALID

X15 Memeriksa kondisi rem sepeda 0.613 VALID

X16 Memeriksa kondisi ban sepeda 0.590 VALID

X17 Memeriksa kondisi rantai sepeda 0.626 VALID

X18 Memakai helm 0.540 VALID

X19 Memakai sarung tangan 0.573 VALID

X20 Memakai pelindung lutut 0.554 VALID

X21 Memakai pelindung siku 0.499 VALID

X22 Memakai pakaian berwarna terang / cerah 0.568 VALID

X23 Berboncengan 0.312 VALID

X24 Berjalan secara berombongan 0.583 VALID

X25 Bersenda gurau 0.142 TIDAK VALID

X26 Menerobos lampu merah 0.386 VALID

X27 Membawa barang/muatan dalam jumlah besar 0.425 VALID

X28 Mendahului (menyiap) kendaraan lain dari

sebelah kanan 0.613 VALID

X29 Memberi tanda saat akan belok kanan 0.544 VALID

X30 Melakukan perjalanan dengan sepeda saat

hujan 0.312 VALID


86

Tabel 4.51

Nilai Uji Validitas Variabel-Variabel Penelitian Hasil Penelitian di Kota Blitar

Variabel R Hitung Keterangan

X14 Memeriksa kondisi lampu sepeda 0.581 VALID

X15 Memeriksa kondisi rem sepeda 0.756 VALID

X16 Memeriksa kondisi ban sepeda 0.772 VALID

X17 Memeriksa kondisi rantai sepeda 0.669 VALID

X18 Memakai helm 0.386 VALID

X19 Memakai sarung tangan 0.437 VALID

X20 Memakai pelindung lutut 0.392 VALID

X21 Memakai pelindung siku 0.318 VALID

X22 Memakai pakaian berwarna terang /

cerah 0.566 VALID

X23 Berboncengan 0.374 VALID

X24 Berjalan secara berombongan 0.560 VALID

X25 Bersenda gurau 0.471 VALID

X26 Menerobos lampu merah 0.399 VALID

X27 Membawa barang/muatan dalam jumlah

besar 0.223 TIDAK VALID

X28 Mendahului (menyiap) kendaraan lain

dari sebelah kanan 0.382 VALID

X29 Memberi tanda saat akan belok kanan 0.333 VALID

X30 Melakukan perjalanan dengan sepeda

saat hujan 0.382 VALID


4.6.2 Uji Reliabilitas

Uji reliabilitas dalam penelitian ini digunakan untuk mengetahui konsistensi dalam

sebuah data. Dalam penelitian ini uji reliabilitas dilakukan dengan menggunakan rumus

Cronbach alpha. Uji signifikansi dilakukan pada taraf 5 % dan instrumen dapat dikatakan

reliabel atau konsisten jika nilai Cronbach alpha lebih besar dari 0,7 Adapun hasil uji

reliabilitas yang telah dilakukuan terhadap variabel-variabel dalam karakteristik perilaku

pada penelitian ini di dapat angka sebesar 0,737 untuk hasil data kuesioner di Kota Malang

dan 0,726 untuk hasil data kuesioner di Kota Blitar. Hasil dari uji reliabilitas data

karakteristik perilaku di wilayah studi tersebut lebih besar daripada Cronbach alpha

minimum untuk penelitian yaitu sebesar 0,7. Maka dari itu variabel-variabel karakteristik

perilaku pengguna sepeda yang digunakan dalam penelitian ini dapat dikatakan reliabel atau

handal.

87

4.6.3 Uji Korelasi

Tabel 4.52

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik Sosio –

Ekonomi Kota Malang.

Variabel Respon Variabel Penjelas Pearson

Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Jenis Kelamin -0,22 0,830 Eliminasi

Usia -0,110 0,277 Eliminasi

Pendidikan 0,251 0,012

Pekerjaan -0,322 0,001

Penghasilan -0,119 0,240 Eliminasi

Kepemilikan Sepeda 0,089 0,379 Eliminasi

Jumlah Kepemilikan Sepeda 0,077 0,447 Eliminasi

Kendaraan Lain yang

Dimiliki

-0,010 0,925 Eliminasi


Tabel 4.53

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio – Ekonomi Kota

Malang.

X1 X2 X3 X4 X5 X6 X7 X8

X1 1

X2 -0,392 1

X3 -0,055 0,079 1

X4 -0,200 0,494 -0,038 1

X5 0,035 -0,121 -0,040 -0,118 1

X6 0,085 -0,106 -0,071 -0,037 0,142 1

X7 0,034 0,088 0,016 -0,111 0,139 0,084 1

X8 -0,073 0,072 0,159 -0,021 0,118 -0,178 -0,056 1 Sumber : Hasil Perhitungan

Keterangan :

X1 = Jenis Kelamin

X2 = Usia

X3 = Pendidikan

X4 = Pekerjaan

X5 = Penghasilan

X6 = Kepemilikan Sepeda

X7 = Jumlah Kepemilikan Sepeda

X8 = Kendaraan Lain yang Dimiliki

88

Tabel 4.54

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik Sosio –

Ekonomi Kota Blitar


Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Jenis Kelamin -0,003 0,973 Eliminasi

Usia 0,252 0,011

Tingkat Pendidikan 0,050 0,620 Eliminasi

Pekerjaan 0,277 0,005

Penghasilan -0,091 0,370 Eliminasi

Kepemilikan Sepeda 0,074 0,465 Eliminasi

Jumlah Kepemilikan Sepeda -0,068 0,503 Eliminasi

Kendaraan Lain yang Dimiliki -0,059 0,558 Eliminasi Sumber : Hasil Perhitungan

Tabel 4.55

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio – Ekonomi Kota Blitar.

X1 X2 X3 X4 X5 X6 X7 X8

X1 1

X2 -0,055 1

X3 -0,055 -0,047 1

X4 0,199 0,043 0,003 1

X5 -0,155 -0,065 -0,065 -0,030 1

X6 -0,059 0,120 0,120 0,147 0,076 1

X7 -0,088 0,065 -0,015 -0,022 -0,045 0,060 1

X8 -0,094 -0,005 -0,050 0,025 0,050 -0,143 -0,096 1 Sumber : Hasil Perhitungan

Keterangan :

X1 = Jenis Kelamin

X2 = Usia

X3 = Tingkat Pendidikan

X4 = Pekerjaan

X5 = Penghasilan

X6 = Kepemilikan Sepeda

X7 = Jumlah Kepemilikan Sepeda

X8 = Kendaraan Lain yang Dimiliki

89

Tabel 4.56

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik

Pergerakan Kota Malang.


Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Maksud dan Tujuan Perjalanan 0,085 0,402 Eliminasi

Jarak Tempuh 0,11 0,912 Eliminasi

Waktu Tempuh 0,121 0,231 Eliminasi

Intensitas Penggunaan -0,255 0,010

Waktu Beraktivitas -0,004 0,971 Eliminasi Sumber : Hasil Perhitungan

Tabel 4.57

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Pergerakan Kota Malang.

X9 X10 X11 X12 X13

X9 1

X10 -0,112 1

X11 0,098 0,058 1

X12 0,363 -0,083 0,166 1

X13 0,081 -0,165 -0,039 -0,078 1 Sumber : Hasil Perhitungan

Keterangan :

X9 = Maksud dan Tujuan Perjalanan

X10 = Jarak Tempuh

X11 = Waktu Tempuh

X12 = Intensitas Penggunaan

X13 = Waktu Beraktivitas

Tabel 4.58

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik

Pergerakan Kota Blitar.


Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Maksud dan Tujuan Perjalanan 0,021 0,044

Jarak Tempuh -0,058 0,566 Eliminasi

Waktu Tempuh -0,139 0,169 Eliminasi

Intensitas Penggunaan 0,045 0,655 Eliminasi

Waktu Beraktivitas 0,229 0,022 Sumber : Hasil Perhitungan

90

Tabel 4.59

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Pergerakan Kota Blitar.

X9 X10 X11 X12 X13

X9 1

X10 0,060 1

X11 0,300 0,200 1

X12 0,120 0,179 0,219 1

X13 0,020 0,079 -0,081 0,018 1 Sumber : Hasil Perhitungan

Keterangan :

X9 = Maksud dan Tujuan Perjalanan

X10 = Jarak Tempuh

X11 = Waktu Tempuh

X12 = Intensitas Penggunaan

X13 = Waktu Beraktivitas

Tabel 4.60

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik Perilaku

Kota Malang.

Variabel

Respon Variabel Penjelas

Pearson

Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Memeriksa Lampu Sepeda -0,135 0,182 Eliminasi

Memeriksa Rem Sepeda -0,209 0,037

Memeriksa Ban Sepeda -0,043 0,672 Eliminasi

Memeriksa Rantai Sepeda -0,071 0,485 Eliminasi

Memakai Helm -0,029 0,037

Memakai Sarung Tangan 0,035 0,732 Eliminasi

Memakai Pelindug Lutut -0,120 0,235 Eliminasi

Memakai Pelindung Siku -0,031 0,761 Eliminasi

Memakai Pakaian Berwarna Cerah -0,057 0,571 Eliminasi

Berboncengan 0,126 0,212 Eliminasi

Berjalan Secara Berombongan 0,194 0,053 Eliminasi

Bersenda Gurau -0,128 0,206 Eliminasi

Menerobos Lampu Merah -0,052 0,605 Eliminasi

Membawa Barang Dalam Jumlah

Besar -0,091 0,367 Eliminasi

Mendahului (Menyiap) Kendaraan

Lain dari Sebelah Kanan 0,042 0,677 Eliminasi

Memberi Tanda Saat Akan Belok

Kanan 0,012 0,907 Eliminasi

Melakukan Perjalanan dengan

Sepeda Saat Hujan 0,060 0,555 Eliminasi


`

Tabel 4.61

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Perilaku Kota Malang

X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30

X14 1

X15 0,314 1

X16 0,170 0,399 1

X17 0,449 0,543 0,399 1

X18 0,054 0,232 0,245 0,186 1

X19 0,155 0,198 0,036 0,198 0,395 1

X20 0,359 0,160 0,122 0,269 0,392 0,529 1

X21 0,300 0,237 0,022 0,237 0,270 0,514 0,789 1

X22 0,290 0,167 0,122 0,258 0,215 0,374 0,207 0,154 1

X23 0,198 0,180 0,022 0,18 -0,09 0,041 0,050 0,090 0,051 1

X24 0,119 -0,04 -0,07 0,088 0,054 0,196 0,118 0,147 0,25 0,3 1

X25 0,261 0,260 -0,05 0,26 -0,03 0,232 0,038 0,016 0,422 0,169 0,181 1

X26 -0,03 0,109 0,093 -0,06 0,033 0,169 0,003 0,105 0,135 0,105 0,071 -0,06 1

X27 0,193 0,203 0,115 0,258 0,019 0,102 0,082 0,188 0,14 0,126 0,094 0,211 0,014 1

X28 0,231 0,272 0,130 0,226 0,282 0,527 0,345 0,300 0,238 0,248 0,231 0,281 0,285 0,180 1

X29 0,185 0,377 0,213 0,429 -0,24 0,309 0,195 0,221 0,351 0,044 0,000 0,266 0,090 0,128 0,364 1

X30 -0,16 0,174 0,161 -0,05 0,018 0,046 -0,15 -0,13 0,208 0,182 0,185 0,279 0,110 0,269 0,145 0,174 1


91

`

57

Keterangan :

X14 = Memeriksa Lampu Sepeda

X15 = Memeriksa Rem Sepeda

X16 = Memeriksa Ban Sepeda

X17 = Memeriksa Rantai Sepeda

X18 = Memakai Helm

X19 = Memakai Sarung Tangan

X20 = Memakai Pelindung Lutut

X21 = Memakai Pelindung Siku

X22 = Memakai Pakaian Berwarna Terang / Cerah

X23 = Berboncengan

X24 = Berjalan Secara Berombongan

X25 = Bersenda Gurau

X26 = Menerobos Lampu Merah

X27 = Membawa Muatan / Barang Dalam Jumlah Besar

X28 = Mendahului (Menyiap) Kendaraan Lain Dari Sebelah Kanan

X29 = Memberi Tanda Saat Akan Belok Kanan

X30 = Melakukan Perjalanan dengan Sepeda Saat Hujan

92

58

Tabel 4.62

Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada Karakteristik Perilaku

Kota Blitar

Variabel

Respon Variabel Penjelas

Pearson

Correlation

Sig (2-

tailed) Keterangan

Peluang

Kecelakaan

Memeriksa Lampu Sepeda -0,22 0,826 Eliminasi

Memeriksa Rem Sepeda 0,040 0,693 Eliminasi

Memeriksa Ban Sepeda 0,074 0,467 Eliminasi

Memeriksa Rantai Sepeda 0,183 0,069 Eliminasi

Memakai Helm 0,017 0,868 Eliminasi

Memakai Sarung Tangan -0,090 0,372 Eliminasi

Memakai Pelindug Lutut 0,036 0,725 Eliminasi

Memakai Pelindung Siku -0,039 0,703 Eliminasi

Memakai Pakaian Berwarna

Cerah / Terang 0,237 0,017

Berboncengan 0,251 0,012

Berjalan Secara Berombongan 0,068 0,503 Eliminasi

Bersenda Gurau 0,322 0,001

Menerobos Lampu Merah 0,187 0,063 Eliminasi

Membawa Barang Dalam Jumlah

Besar 0,120 0,233 Eliminasi

Mendahului (Menyiap) Kendaraan

Lain dari Sebelah Kanan 0,068 0,503 Eliminasi

Memberi Tanda Saat Akan Belok

Kanan 0,149 0,139 Eliminasi

Melakukan Perjalanan dengan

Sepeda Saat Hujan 0,247 0,013


93

`

Tabel 4.63

Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Perilaku Kota Blitar

X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30

X14 1

X15 0,427 1

X16 0,394 0,924 1

X17 0,080 0,121 0,091 1

X18 0,171 0,168 0,217 -0,03 1

X19 0,301 0,192 0,236 0,017 0,587 1

X20 0,342 0,179 0,166 0,102 0,324 0,289 1

X21 0,263 0,179 0,166 0,102 0,324 0,289 0,457 1

X22 0,374 0,545 0,573 0,002 0,18 0,271 0,231 0,155 1

X23 0,092 0,143 0,226 0,159 0,069 0,127 -0,04 -0,04 0,253 1

X24 0,107 0,285 0,315 -0,07 0,185 0,059 0,130 0,056 0,130 0,087 1

X25 0,137 0,2 0,269 0,120 0,035 0,082 -0,04 -0,04 0,236 0,339 -0,09 1

X26 0,1 0,319 0,289 0,016 0,167 0,060 0,236 0,070 0,430 0,220 0,121 0,073 1

X27 -0,01 -0,07 -0,01 0,079 0,024 -0,01 -0,18 -0,02 0,075 0,152 0,096 0,227 -0,07 1

X28 0,15 0,195 0,221 -0,03 0,185 0,115 0,130 0,056 0,130 0,046 0,880 -0,13 0,121 0,096 1

X29 0,11 0,273 0,275 0,101 0,109 0,075 0,102 0,102 0,017 0,206 0,171 -0,00 0,028 -0,00 0,127 1

X30 0,036 0,092 0,116 -0,04 0,074 0,011 -0,01 0,062 0,155 0,185 -0,06 0,176 -0,00 0,198 -0,06 -0,06 1


94

`

95

Keterangan :

X14 = Memeriksa Lampu Sepeda

X15 = Memeriksa Rem Sepeda

X16 = Memeriksa Ban Sepeda

X17 = Memeriksa Rantai Sepeda

X18 = Memakai Helm

X19 = Memakai Sarung Tangan

X20 = Memakai Pelindung Lutut

X21 = Memakai Pelindung Siku

X22 = Memakai Pakaian Berwarna Terang / Cerah

X23 = Berboncengan

X24 = Berjalan Secara Berombongan

X25 = Bersenda Gurau

X26 = Menerobos Lampu Merah

X27 = Membawa Muatan / Barang Dalam Jumlah Besar

X28 = Mendahului (Menyiap) Kendaraan Lain Dari Sebelah Kanan

X29 = Memberi Tanda Saat Akan Belok Kanan

X30 = Melakukan Perjalanan dengan Sepeda Saat Hujan

4.6.4 Model Binomial Logit

Model regresi logistik binomial logit dalam penelitian ini dilakukan dengan variabel

respon adalah peluang kecelakaan pengguna sepeda yang berasal dari hasil kuesioner berupa

pernah tidaknya responden mengalami kecelakaan. Untuk variabel penjelasnya adalah

variabel-variabel karakteristik sosio ekonomi, karakteristik pergerakan, dan karakteristik

perilaku.

4.6.4.1 Hasil Penelitian di Kota Malang

a. Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi

Dalam karakteristik sosio-ekonomi pengguna sepeda terdapat 8 variabel penjelas yang

diuji untuk dibuat model peluang kecelakaan dan kemudian dianalisis. Analisis yang akan

dilakukan adalah dengan mencari variabel penjelas yang berpengaruh signifikan terhadap

variabel respon. Variabel penjelas yang digunakan dalam pemodelan ini dapat dilihat pada

tabel 4.64.

95

96

Tabel 4.64

Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Malang

Notasi Indikator Kategori

Variabel Penjelas

X1 Jenis Kelamin 0 = Laki-laki

1 = Perempuan

X2 Usia 0 = ≤ 25 tahun

1 = > 25 tahun

X3 Pendidikan 0 = SMA/MA/SMK

1 = Lainnya

X4 Pekerjaan 0 = Pelajar/mahasiswa

1 = Lainnya

X5 Penghasilan 0 = ≤ Rp. 2.000.000

1 = > Rp. 2.000.000

X6 Kepemilikan Sepeda 0 = Milik Sendiri

1 = Pinjam

X7 Jumlah Kepemilikan 0 = ≤ 1

1 = > 1

X8 Kendaraan Lain Yang Dimiliki 0 = Sepeda Motor

1 = Lainnya

Variabel Respon

Y Peluang Kecelakaan 0 = Tidak Kecelakaan

1 = Kecelakaan

Sumber : Hasil Pengolahan (2017)

Berdasarkan uji korelasi yang telah dilakukan terhadap variabel respon dan variabel

penjelas dalam karakteristik sosio-ekonomi didapat bahwa variabel X1 (jenis kelamin), X2

(usia), X5 (penghasilan), X6 (kepemilikan sepeda), X7 (jumlah kepemilikan sepeda), dan X8

(kendaraan lain yang dimiliki) dieliminasi karena nilai signifikansinya ≥ 0,05. Untuk

pembuatan modelnya karena ada dua variabel yang terbukti signifikan yaitu X3 (pendidikan)

dan X4 (pekerjaan) maka dilakukan seleksi terhadap variabel yang terbukti signifikan

tersebut dengan metode Backward Wald. Metode ini bekerja dengan mengeluarkan variabel-

variabel yang tidak signifikan. Berikut hasil seleksi variabel terpilih tersebut:

97

Tabel 4.65

Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi Kota Malang

B Sig. Exp(B)

Step 1a X3 1.128 .013 3.089

X4 -1.491 .002 .225

Constant .844 .042 2.327


Berdasarkan hasil uji dengan metode wald tersebut diketahui jika variabel penjelas yang

berpengaruh terhadap peluang kecelakaan adalah X3 dan X4. Nilai koefisien regresi (B)

variabel X3 (pendidikan) adalah bernilai positif. Nilai koefisien regresi (B) yang bernilai

positif ini artinya antara variabel penjelas (X) dan variabel respon (Y) berbanding lurus,

sehingga dapat dikatakan makin tinggi variabel penjelas (X) maka akan semakin naik pula

variabel respon (Y). Sedangkan X4 (pekerjaan) nilai koefisien regresi (B) berilai negatif,

artinya variabel penjelas (X) dan variabel respon (Y) berbanding terbalik. Nilai signifikansi

< 0,05 menunjukkan bahwa variabel tersebut berpengaruh secara signifikan terhadap

variabel respon.

Berdasarkan tabel pembentukan fungsi utilitas model peluang kecelakaan sepeda

berdasarkan karakteristik sosio-ekonomi dirumuskan dengan:

Z = 0,844+ 1,128 X3 - 1,491 X4 (4-1)

Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.

Tabel 4.66

Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota Malang

Step -2 Log likelihood

Cox & Snell R

Square

Nagelkerke R

Square

1 116.530a .158 .214


R square statistik pada tabel tersebut membandingkan model akhir (-2 Log likelihood)

dengan model null. Nilai tersebut menjelaskan semakin banyak nilai variasi yang dapat

dijelaskan oleh suatu model. Nilai ada pada rentang 0 – 1. Semakin mendekati angka 1 maka

banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah

0,214 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas

sebesar 21,4 %, dan sisanya dijelaskan oleh variabel lain selain dalam penelitian.

Uji kelayakan model atau goodness of fit model dilakukan dengan prinsip hosmer and

lameshow test. Jika nilai uji nya sama dengan atau kurang dari 5 % berarti ada perbedaan

yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik

98

karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik hosmer

and lameshow lebih besar dari 5 % berarti model mampu untuk memperediksi nilai

observasinya dengan tingkat kepercayaan 95 %. Hasil dari pengolahan data didapat nilai

signifikansi model peluang berdasarkan karakteristik sosio-ekonomi adalah sebesar 0,954 >

0,05 yang artinya model dikatakan sudah baik.

Tabel 4.67

Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-Ekonomi Kota Malang

Step Chi-square df Sig.

1 .093 2 .954


Dengan menggunakan persamaan (4-1) simulasi variabel utilitas dan dimasukkan

kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat

dilihat pada tabel 4.68.

𝑃𝑖 = 𝐹(𝛽0 + 𝛽1𝑋1𝑖) =1

1+𝑒−𝑧=

1

1+𝑒−(𝛽0+𝛽1𝑋𝑙𝑖) (4-2)

𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = 0,844+ 1,128 X3 - 1,491 X4

𝑃(𝐵𝐴) =1

1 + 𝑒−(0,844+1,128𝑥3−1,491𝑥4)

Tabel 4.68

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi

Kota Malang


Keterangan:


1 = Lainnya

X4 Pekerjaan 0 = Pelajar/mahasiswa

1 = Lainnya

X3 X4 Probabilitas

Kecelakaan Tidak Kecelakaan

1 0 0.878 0.122

0 1 0.344 0.656

0 0 0.699 0.301

1 1 0.618 0.382

99

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(0,844+1,128(1)−1,491(0))= 0,783

Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna

sepeda di Kota Malang berdasarkan karakteristik sosio-ekonomi dipengaruhi oleh tingkat

pendidikan dan pekerjaan. Pengguna sepeda dengan pendidikan selain SMA/MA/SMK dan

bekerja sebagai pelajar / mahasiswa berpeluang mengalami kecelakaan sebesar 78,3 %.

b. Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan

Dalam karakteristik pergerakan pengguna sepeda terdapat 5 variabel penjelas yang diuji

terhadap variabel respon untuk dibuat model peluang kecelakaan dan kemudian dianalisis.

Analisis yang akan dilakukan adalah dengan mencari variabel penjelas yang berpengaruh

signifikan terhadap variabel respon. Variabel penjelas karakteristik pergerakan yang

digunakan dalam pemodelan ini dapat dilihat pada tabel 4.69.

Tabel 4.69

Variabel Penjelas Karakteristik Pergerakan Kota Malang


Variabel Penjelas

X9 Maksud-tujuan 0 = Olahraga

1 = Lainnya

X10 Jarak tempuh 0 = ≤ 5 km

1 = > 5 km

X11 Waktu tempuh 0 = ≤ 30 menit

1 = > 30 menit

X12 Frekuensi penggunaan 0 = Tidak tentu

1 = Lainnya

X13 Waktu mulai beraktivitas 0 = ≤ 08.00 WIB

1 = > 08.00 WIB

Variabel Respon

Y Peluang Kecelakaan 0= Tidak Kecelakaan

1= Kecelakaan



penjelas dalam karakteristik pergerakan didapat bahwa variabel X9 (maksud-tujuan), X10

(jarak tempuh), X11 (waktu tempuh), dan X13 (waktu mulai beraktivitas) dieliminasi karena

nilai signifikansinya ≥ 0,05, sehingga hanya X12 (intensitas penggunaan) yang berpengaruh

terhadap peluang terjadinya kecelakaan. Untuk pembuatan modelnya karena haya terdapat

100

satu variabel penjelas yang terbukti signifikan yaitu X12 (intensitas penggunaan) maka

seleksi dilakukan dengan metode enter. Berikut hasil seleksi variabel terpilih tersebut:

Tabel 4.70

Model Logit Model Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota

Malang

B Sig. Exp(B)

Step 1a X12 -1.272 .014 .280

Constant 1.386 .002 4.000


Dari tabel tersebut diketahui jika nilai koefisien regresi (B) variabel intensitas

penggunaan nilai koefisien regresi (B) bernilai negatif, artinya artinya antara variabel

penjelas (X) dan variabel respon (Y) berbanding terbalik sehingga dikatakan intensitas

penggunaan yang tinggi maka cenderung tidak berpeluang menngalami kecelakaan. Untuk

pembentukan utilitas peluang kecelakaan dirumuskan dengan:

Z = 1,386 - 1,272 X12 (4-3)


Tabel 4.71

Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Malang


Cox & Snell R

Square

Nagelkerke R

Square

1 126.836a .067 .091





banyak variasi yang dapat dijelaskan oleh suatu model.




𝑃𝑖 = 𝐹(𝛽0 + 𝛽1𝑋1𝑖) =1

1+𝑒−𝑧=

1

1+𝑒−(𝛽0+𝛽1𝑋𝑙𝑖)

𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = 1,386 - 1,272 X12

101

𝑃(𝐵𝐴) =1

1 + 𝑒−(1,386−1,272𝑥12)

Tabel 4.72

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota

Malang


Keterangan:

X12 Intensitas penggunaan 0 = Tidak tentu 1= Lainnya

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(1,386−1,272(0))= 0,800


sepeda di Kota Malang berdasarkan karakteristik pergerakan dipengaruhi oleh intensitas

penggunaan. Pengguna sepeda dengan penggunaan sepeda yang tidak tentu berpeluang

mengalami kecelakaan sebesar 80 %.

c. Peluang Kecelakaan Berdasarkan Karakteristik Perilaku

Dalam karakteristik perilaku pengguna sepeda terdapat 17 variabel penjelas yang diuji

untuk dibuat model peluang kecelakaan dan kemudian dianalisis dengan mencari variabel

penjelas yang berpengaruh signifikan terhadap variabel respon.

Tabel 4.73

Variabel Penjelas Karakteristik Perilaku Kota Malang


X14 Memeriksa kondisi lampu sepeda 0 = Tidak

X15 Memeriksa kondisi rem sepeda 1 = Ya

X16 Memeriksa kondisi ban sepeda

X17 Memeriksa kondisi rantai sepeda

X18 Memakai helm

X19 Memakai sarung tangan

X20 Memakai pelindung lutut

X21 Memakai pelindung siku


X12 Probabilitas


0 0.800 0.200

1 0.529 0.471

102

Tabel 4.73

Variabel Penjelas Karakteristik Perilaku Kota Malang (lanjutan)



cerah 0 = Tidak

X23 Berboncengan 1 = Ya

X24 Berjalan secara berombongan

X25 Bersenda gurau

X26 Menerobos lampu merah

X27 Membawa barang/muatan dalam

jumlah besar

X28 Mendahului (menyiap) kendaraan

lain dari sebelah kanan

X29 Memberi tanda saat akan belok

kanan

X30 Melakukan perjalanan dengan

sepeda saat hujan



penjelas dalam karakteristik pergerakan didapat bahwa X15 (memeriksa kondisi rem) , dan

X18 (memakai helm) berpengaruh terhadap peluang kecelakaan. Untuk pembuatan modelnya

karena terdapat dua variabel yang terbukti signifikan yaitu X15 dan X18 maka dilakukan

seleksi terhadap variabel yang terbukti signifikan tersebut dengan metode Backward Wald.

Metode ini bekerja dengan mengeluarkan variabel-variabel yang tidak signifikan. Berikut

hasil seleksi variabel terpilih tersebut:

Tabel 4.74

Model Logit Model Peluang Kecelakaan Berdasarkan Karakteristik Perilaku Kota Malang

B Sig. Exp(B)

Step 1a X15 -.894 .093 .409

X18 -.718 .098 .488

Constant 1.437 .003 4.207

Step 2a X15 -1.060 .041 .346

Constant 1.253 .007 3.500


Dari tabel tersebut diketahui jika nilai koefisien regresi (B) variabel memakai helm

bernilai -0,872. Nilai koefisien regresi (B) negatif ini artinya semakin tidak memakai helm

maka makin berpeluang kecelakaan. Nilai signifikansi variabel tersebut < 0,05 menunjukkan

103

bahwa variabel tersebut berpengaruh secara signifikan terhadap variabel respon. Sedangkan

untuk pembentukan utilitas peluang kecelakaan dirumuskan dengan:

Z = 1,253 –1,060 X15 (4-4)


Tabel 4.75

Nilai Nagelkerke R Square Karakteristik Perilaku Kota Malang


Cox & Snell R

Square

Nagelkerke R

Square

1 126.369a .071 .096

2 129.131a .045 .061





banyak variasi yang dapat dijelaskan oleh suatu model.


lameshow test. Jika nilai ujinya sama dengan atau kurang dari 5 % berarti ada perbedaan





signifikansi model peluang berdasarkan karakteristik pergerakan adalah sebesar 0,557 > 0,05

yang artinya model dikatakan sudah baik. Untuk lebih jelasnya dapat dilihat pada tabel 4.76.

Tabel 4.76

Signifikansi Hosmer and Lameshow Test Karakteristik Perilaku Kota Malang


1 1.379 2 .502





𝑃𝑖 = 𝐹(𝛽0 + 𝛽1𝑋1𝑖) =1

1+𝑒−𝑧=

1

1+𝑒−(𝛽0+𝛽1𝑋𝑙𝑖)

𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = 1,253 –1,060 X15

104

𝑃(𝐵𝐴) =1

1 + 𝑒−(1,253−1,060𝑥15)

Tabel 4.77

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Perilaku Kota

Malang


Keterangan:

X18 Memeriksa rem 0 = Tidak 1 = Ya

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 1 + 𝑒−(1,253−1,060(0))= 0,548


sepeda di Kota Malang berdasarkan karakteristik perilaku dipengaruhi oleh perilaku saat

berkendara yaitu memeriksa kondisi rem sepeda. Pengguna sepeda yang saat berkendara

tidak memeriksa kondisi rem berpeluang mengalami kecelakaan sebesar 54,8 %.

d. Peluang Kecelakaan di Kota Malang

Pada pemodelan ini peluang kecelakaan dikembangkan dari karakteristik sosio-ekonomi,

karakteristik pergerakan, dan karakteristik perilaku. Dengan tingkat signifikansi sebesar 0,05

yang artinya bahwa variabel penjelas berpengaruh secara signifikan adalah variabel yang

memiliki signifikansi < 0,05 , maka akan didapat variabel penjelas yang berpengaruh secara

signifikan terhadap variabel respon. Untuk variabel penjelas yang terbukti signifikan

terhadap variabel respon dapat dilihat pada tabel berikut:

Tabel 4.78

Variabel Penjelas yang Signifikan terhadap Variabel Respon di Kota Malang

Notasi Variabel B Sig.

X3 Pendidikan 1,871 0,033

X4 Pekerjaan -2,429 0,018

X12 Frekuensi Penggunaan -2,925 0,020

X15 Perilaku memeriksa rem -3,379 0,017


X18 Probabilitas


1 0.778 0.222

0 0.548 0.452

105

Setelah sebuah variabel secara univariat terbukti berpengaruh secara signifikan terhadap

variabel respon maka dilakukan seleksi terhadap variabel yang terbukti signifikan tersebut

dengan metode Backward Wald. Metode ini bekerja dengan mengeluarkan variabel-variabel

yang tidak signifikan. Berikut hasil seleksi variabel terpilih tersebut:

Tabel 4.79

Model Logit Peluang Kecelakaan di Kota Malang

B Sig. Exp(B)

Step 1a X3 1.134 .020 3.109

X4 -1.624 .002 .197

X12 -1.298 .028 .273

X15 -1.368 .024 .255

Constant 2.959 .001 19.275


Berdasarkan hasil uji dengan metode wald tersebut diketahui variabel penjelas yang

berpengaruh terhadap peluang kecelakaan adalah X3 (pendidikan), X4 (pekerjaan), X12

(intensitas penggunaan sepeda), dan X15 (perilaku memeriksa rem sepeda). Nilai koefisien

regresi (B) selain variabel pendidikan tersebut bernilai negatif. Nilai koefisien regresi (B)

yang bernilai negatif ini artinya antara variabel penjelas (X) dan variabel respon (Y)

berbanding terbalik. Untuk pembentukan utilitas peluang kecelakaan dirumuskan dengan:

Z = 2,959 + 1,134 X3 - 1,624 X4 – 1,298 X12 – 1,368 X15 (4-5)


Tabel 4.80

Nilai Nagelkerke R Square Model Peluang Kecelakaan Kota Malang


Cox & Snell R

Square

Nagelkerke R

Square

1 105.962a .243 .329









lameshow test. Jika nilai ujinya sama dengan atau kurang dari 5 % berarti ada perbedaan

106





signifikansi model peluang berdasarkan karakteristik pergerakan adalah sebesar 0,638 > 0,05

yang artinya model dikatakan sudah baik. Untuk lebih jelasnya dapat dilihat pada tabel 4.81.

Tabel 4.81

Signifikansi Hosmer and Lameshow Test Model Peluang Kecelakaan Kota Malang


1 5.177 7 .638





𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = 2,959 + 1,134 X3 - 1,624 X4 – 1,298 X12 – 1,368 X15

𝑃(𝐵𝐴) =1

1 + 𝑒−(2,959+1,134𝑥3−1,624𝑥4−1,298𝑥12−1,368𝑥15)

Tabel 4.82

Simulasi Variabel Utilitas Peluang Kecelakaan di Kota Malang

X3 X4 X12 X15 Probabilitas


1 1 1 1 0.451 0.549

1 1 1 0 0.763 0.237

1 1 0 0 0.922 0.078

1 0 1 1 0.806 0.194

0 1 1 1 0.209 0.791

1 1 0 0 0.922 0.078

1 0 0 1 0.938 0.062

0 0 1 1 0.573 0.427

1 0 0 0 0.984 0.016

0 1 0 0 0.792 0.208

0 0 1 0 0.840 0.160

0 0 0 1 0.831 0.169


107

Keterangan:

X3 Pendidikan 0 = SMA/MA/SMK 1 = Lainnya

X4 Pekerjaan 0 = Pelajar/mahasiswa 1 = Laiannya

X12 Intensitas penggunaan 0 = Tidak tentu 1 = Lainnya

X15 Memeriksa kondisi rem sepeda 0 = Tidak 1 = Ya

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(2,959+1,134(1)−1,624(1)−1,298(1)−1,368(1))= 0,451


sepeda di Kota Malang berdasarkan karakteristik sosio-ekonomi, pergerakan, dan perilaku

dipengaruhi oleh pendidikan, pekerjaan, intensitas penggunaan sepeda, dan perilaku

memeriksa kondisi rem sebelum bersepeda. Pengguna sepeda yang berpendidikan selain

SMA/SMA dengan pekerjaan selain pelajar / mahasiswa dan dengan intensitas penggunaan

sepeda selain tidak tentu dan memeriksa kondisi rem sepeda berpeluang mengalami

kecelakaan sebesar 45,1 %.

4.6.4.2 Hasil Penelitian di Kota Blitar

a. Peluang Kecelakaan Berdasarkan karakteristik Sosio-Ekonomi

Dalam karakteristik sosio-ekonomi pengguna sepeda terdapat 8 variabel penjelas yang

diuji untuk dibuat model peluang kecelakaan dan kemudian dianalisis. Analisis yang akan


variabel respon.

Tabel 4.83

Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Blitar


Variabel Penjelas

X1 Jenis Kelamin 0 = Laki-laki

1 = Perempuan


1 = > 25 tahun


1 = Lainnya


108

Tabel 4.83

Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Blitar (lanjutan)


Variabel Penjelas

X4 Pekerjaan 0 = Wiraswasta

1 = Lainnya

X5 Penghasilan 0 = ≤ Rp. 1.000.000

1 = > Rp. 1.000.000

X6 Kepemilikan Sepeda 0 = Milik Sendiri

1 = Pinjam

X7 Jumlah Kepemilikan 0 = ≤ 1

1 = > 1

X8 Kendaraan Lain Yang Dimiliki 0 = Sepeda Motor

1 = Lainnya

Variabel Respon

Y Peluang Kecelakaan 0 = Tidak Kecelakaan

1 = Kecelakaan



penjelas dalam karakteristik sosio-ekonomi didapat bahwa variabel X1 (jenis kelamin), X3

(pendidikan), X5 (penghasilan), X6 (kepemilikan sepeda), X7 (jumlah kepemilikan sepeda),

dan X8 (kendaraan lain yang dimiliki) dieliminasi karena nilai signifikansinya ≥ 0,05. Untuk

pembuatan modelnya karena ada dua variabel yang terbukti signifikan yaitu X2 (usia) dan

X4 (pekerjaan) maka dilakukan seleksi terhadap variabel yang terbukti signifikan tersebut



Tabel 4.84

Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi Kota Blitar

B Sig. Exp(B)

Step 1a X2 1.085 .014 2.961

X4 1.180 .007 3.254

Constant -1.432 .001 .239


Dari tabel tersebut diketahui jika nilai koefisien regresi (B) variabel usia adalah bernilai

1,085. Nilai koefisien regresi (B) sebesar 1,085 yang bernilai positif ini artinya antara

variabel penjelas (X) dan variabel respon (Y) berbanding lurus, sehingga dapat dikatakan

makin tinggi variabel penjelas (X) maka akan semakin naik pula variabel respon (Y). Nilai

109

signifikansi sebesar 0,014 atau < 0,05 menunjukkan bahwa variabel tersebut berpengaruh

secara signifikan terhadap variabel respon. Sama halnya dengan variabel pekerjaan dimana

nilai koefisien regresi (B) sebesar 1,180 yang bernilai positif ini artinya antara variabel

penjelas (X) dan variabel respon (Y) berbanding lurus dan nilai signifikansinya sebesar

0,007 < 0,05 menunjukkan bahwa variabel tersebut berpengaruh secara signifikan terhadap

variabel respon.

Berdasarkan tabel 4.84 pembentukan fungsi utilitas model peluang kecelakaan sepeda

berdasarkan karakteristik sosio-ekonomi dirumuskan dengan:

Z = -1,432 + 1,085 X2 + 1,180 X4 (4-6)


Tabel 4.85

Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota Blitar


Cox & Snell R

Square

Nagelkerke R

Square

1 123.042a .132 .177













observasinya dengan tingkat kepercayaan 95 %.

Tabel 4.86

Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-Ekonomi Kota Blitar


1 1.087 2 .581


110




𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = -1,432 + 1,085 X2 + 1,180 X4

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,432+1,085𝑥2+1,180𝑥4)

Tabel 4.87

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi

di Kota Blitar


Keterangan:


1 = > 25 tahun

X4 Pekerjaan 0 = ≤ Wiraswasta

1 = > Lainnya

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,432+1,085(1)+1,180(0))= 0,414


sepeda di Kota Blitar berdasarkan karakteristik sosio-ekonomi dipengaruhi oleh usia dan

pekerjaan. Pengguna sepeda dengan usia > 25 tahun yang bekerja sebagai wiraswasta

berpeluang mengalami kecelakaan sebesar 41,4 %.

b. Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan

Dalam karakteristik pergerakan pengguna sepeda terdapat 5 variabel penjelas yang diuji

terhadap variabel respon untuk dibuat model peluang kecelakaan dan kemudian dianalisis.

X2 X4 Probabilitas


1 0 0.414 0.586

0 1 0.437 0.563

0 0 0.193 0.807

1 1 0.697 0.303

111

Analisis yang akan dilakukan adalah dengan mencari variabel penjelas yang berpengaruh

signifikan terhadap variabel respon.

Tabel 4.88

Variabel Penjelas Karakteristik Pergerakan Kota Blitar


Variabel Penjelas

X9 Maksud-tujuan 0 = Bekerja

1 = Lainnya

X10 Jarak tempuh 0 = ≤ 5 km

1 = > 5 km

X11 Waktu tempuh 0 = ≤ 30 menit

1 = > 30 menit

X12 Intensitas penggunaan 0 = Rutin

1 = Lainnya


1 = > 08.00 WIB

Variabel Respon

Y Peluang Kecelakaan 0= Tidak Kecelakaan

1= Kecelakaan



penjelas dalam karakteristik pergerakan didapat bahwa variabel X10 (jarak tempuh), X11

(waktu tempuh), dan X12 (intensitas penggunaan) dieliminasi karena nilai signifikansinya ≥

0,05, sehingga X9 (maksud-tujuan) dan X13 (waktu mulai beraktivitas) yang berpengaruh

terhadap peluang terjadinya kecelakaan. Untuk pembuatan modelnya karena terdapat dua

variabel yang terbukti signifikan yaitu X9 (maksud tujuan) dan X13 (waktu mulai

beraktivitas) maka dilakukan seleksi terhadap variabel yang terbukti signifikan tersebut



Tabel 4.89

Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota Blitar

B Sig. Exp(B)

Step 1a X9 .851 .045 2.342

X13 .971 .023 2.641

Constant -1.207 .003 .299


112

Dari tabel tersebut diketahui jika nilai koefisien regresi (B) variabel maksud-tujuan dan

waktu mulai beraktivitas adalah bernilai positif. Nilai koefisien regresi (B) yang bernilai


sehingga dapat dikatakan makin tinggi variabel penjelas (X) maka akan semakin naik pula

variabel respon (Y). Nilai signifikansi variabel yang lolos uji wald tersebut ≤ 0,05

menunjukkan bahwa variabel tersebut berpengaruh secara signifikan terhadap variabel

respon.


berdasarkan karakteristik pergerakan dirumuskan dengan:

Z = -1,207 +0,851 X9 + 0,971 X13 (4-7)


Tabel 4.90

Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Blitar


Cox & Snell R

Square

Nagelkerke R

Square

1 127.743a .090 .121










yang signifikan antara model dengan nilai observasinya. Jika nilai statistik hosmer and

lameshow lebih besar dari 5 % berarti model mampu untuk memperediksi nilai observasinya

dengan tingkat kepercayaan 95 %. Dalam pembuatan model ini didapat signifikansi model

sebesar 0,426 atau > 0,05 dan dikatakan model sudah baik.

Tabel 4.91

Signifikansi Hosmer and Lameshow Test Karakteristik Pergerakan Kota Blitar


1 1.707 2 .426


113




𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = -1,207 +0,851 X9 + 0,971 X13

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,207+0,851𝑥9+0,971𝑥13)

Tabel 4.92

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota

Blitar


Keterangan:

X9 Maksud-tujuan 0 = Bekerja

1 = Lainnya


1 = > 08.00 WIB

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,207+0,851(1)+0,971(0))= 0,412


sepeda di Kota Blitar berdasarkan karakteristik pergerakan dipengaruhi oleh maksud tujuan,

dan waktu mulai beraktivitas. Pengguna sepeda dengan dengan maksud tujuan pergerakan

selain bekerja dan mulai beraktivitas dengan sepeda sebelum pukul 08.00 WIB berpeluang

mengalami kecelakaan sebesar 41,2 %.

c. Peluang Kecelakaan Berdasarkan Karakteristik Perilaku

Dalam karakteristik perilaku pengguna sepeda terdapat 17 variabel penjelas yang diuji

untuk dibuat model peluang kecelakaan dan kemudian dianalisis. Analisis yang akan

X9 X13 Probabilitas


1 0 0.412 0.588

0 1 0.441 0.559

0 0 0.230 0.770

1 1 0.649 0.351

114


variabel respon. Untuk lebih jelasnya pada tabel 4.93 berikut.

Tabel 4.93

Variabel Penjelas Karakteristik Perilaku Kota Blitar


X14 Memeriksa kondisi lampu sepeda 0 = Tidak

X15 Memeriksa kondisi rem sepeda 1 = Ya

X16 Memeriksa kondisi ban sepeda

X17 Memeriksa kondisi rantai sepeda

X18 Memakai helm

X19 Memakai sarung tangan

X20 Memakai pelindung lutut

X21 Memakai pelindung siku


cerah

X23 Berboncengan

X24 Berjalan secara berombongan

X25 Bersenda gurau

X26 Menerobos lampu merah

X27 Membawa barang/muatan dalam

jumlah besar

X28 Mendahului (menyiap) kendaraan

lain dari sebelah kanan

X29 Memberi tanda saat akan belok

kanan

X30 Melakukan perjalanan dengan

sepeda saat hujan



penjelas dalam karakteristik pergerakan didapat bahwa X22 (memakai pakaian berwarna

terang/cerah), X23 (berboncengan), X25 (bersenda gurau), dan X30 (melakukan perjalanan saat

hujan) berpengaruh terhadap peluang kecelakaan. Untuk pembuatan modelnya karena

terdapat empat variabel yang terbukti signifikan yaitu X22, X23, X25, dan X30 maka dilakukan

seleksi terhadap variabel yang terbukti signifikan tersebut dengan metode Backward Wald.

Metode ini bekerja dengan mengeluarkan variabel-variabel yang tidak signifikan. Berikut

hasil seleksi variabel terpilih tersebut:

115

Tabel 4.94

Model Logit Peluang Kecelakaan Berdasarkan Karakteristik Perilaku Kota Blitar

B Sig. Exp(B)

Step 3a X25 1.288 .004 3.624

X30 .883 .044 2.419

Constant -1.483 .000 .227

Sumber : Hasil Perhitungan Dari tabel tersebut diketahui jika nilai koefisien regresi (B) variabel perilaku bersenda

gurau, dan melakukan perjalanan saat hujan bernilai positif. Nilai koefisien regresi (B)


sehingga dapat dikatakan makin tinggi variabel penjelasas (X) maka akan semakin naik pula

variabel respon (Y). Nilai signifikansi variabel tersebut < 0,05 menunjukkan bahwa variabel

tersebut berpengaruh secara signifikan terhadap variabel respon.


berdasarkan karakteristik perilaku dirumuskan dengan:

Z = -1,483 + 1,288 X25 + 0,883 X30 (4-8)


Tabel 4.95

Nilai Nagelkerke R Square Karakteristik Perilaku Kota Blitar


Cox & Snell R

Square

Nagelkerke R

Square

3 122.349a .138 .185

Sumber : Hasil Perhitungan R square statistik pada tabel tersebut membandingkan model akhir (-2 Log likelihood)











116


signifikansi adalah sebesar 0,944 > 0,05 yang artinya model dikatakan sudah baik.

Tabel 4.96

Signifikansi Hosmer and Lameshow Test Karakteristik Perilaku Kota Blitar


3 .116 2 .944





𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = -1,483 + 1,288 X25 + 0,883 X30

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,483+1,288𝑥25+0,883𝑥30)

Tabel 4.97

Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Perilaku Kota

Blitar

Keterangan:

X25 Bersenda gurau

X30 Melakukan perjalanan dengan sepeda saat hujan

0 = Perilaku tidak pernah (tidak)

1 = Perilaku selalu (ya)

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,483+1,288(1)+0,883(0))= 0,451


sepeda di Kota Blitar berdasarkan karakteristik perilaku dipengaruhi oleh perilaku bersenda

gurau dan melakukan perjalanan saat hujan. Pengguna sepeda yang selalu bersenda gurau

X25 X30 Probabilitas


1 0 0.451 0.549

0 1 0.354 0.646

0 0 0.185 0.815

1 1 0.665 0.335

117

dan tidak melakukan perjalanan saat hujan berpeluang mengalami kecelakaan sebesar 45,1

%.

d. Peluang Kecelakaan di Kota Blitar

Pada pemodelan ini peluang kecelakaan dikembangkan dari karakteristik sosio-ekonomi,

karakteristik pergerakan, dan karakteristik perilaku. Dengan tingkat signifikansi sebesar 0,05

yang artinya bahwa variabel penjelas berpengaruh secara signifikan adalah variabel yang

memiliki signifikansi < 0,05 , maka akan didapat variabel penjelas yang berpengaruh secara

signifikan terhadap variabel respont. Untuk variabel yang terbukti tingkat signifikansi

variabel penjelas dengan variabel respon termasuk signifikan dapat dilihat pada tabel 4.98.

Tabel 4.98

Variabel Penjelas Yang Signifikan Terhadap Variabel Respon

Notasi Variabel B Sig.

X13 Waktu mulai beraktivitas 1,857 0,016

X25 Bersenda gurau 1,912 0,013


Setelah sebuah variabel secara univariat terbukti berpengaruh secara signifikan terhadap

variabel respon maka dilakukan seleksi terhadap variabel yang terbukti signifikan tersebut


yang nilai signifikansinya > 0,05. Berikut hasil seleksi variabel terpilih tersebut:

Tabel 4.99

Model Logit Peluang Kecelakaan di Kota Blitar

B Sig. Exp(B)

Step 1a X13 .949 .031 2.583

X25 1.388 .002 4.006

Constant -1.586 .000 .205


Dari tabel tersebut diketahui jika variabel yang signifikan terhadap peluang kecelakaan

adalah X13 dan X25. Nilai koefisien regresi (B) variabel waktu beraktivitas dan perilaku

bersenda gurau bernilai positif. Nilai koefisien regresi (B) yang bernilai positif ini artinya

antara variabel penjelas (X) dan variabel respon (Y) berbanding lurus, sehingga dapat

dikatakan makin tinggi variabel penjelas (X) maka akan semakin naik pula variabel respon

(Y). Nilai signifikansi sebesar variabel yang lolos uji tersebut < 0,05 menunjukkan bahwa

118

variabel tersebut berpengaruh secara signifikan terhadap variabel respon. Sedangkan untuk

pembentukan utilitas peluang kecelakaan dirumuskan dengan:

Z = -1,586 + 0,949 X13 + 1,388 X25 (4-9)


Tabel 4.100

Nilai Nagelkerke R Square Peluang Kecelakaan Kota Blitar


Cox & Snell R

Square

Nagelkerke R

Square

1 121.699a .143 .192













observasinya dengan tingkat kepercayaan 95 %.

Tabel 4.101

Signifikansi Hosmer and Lameshow Test Peluang Kecelakaan Kota Blitar


1 .455 2 .796





𝑃(𝐵𝐴) =1

1 + 𝑒−𝑍

Z = -1,586 + 0,949 X13 + 1,388 X25

119

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,586+0,949𝑥13+1,388𝑥25)

Tabel 4.102

Simulasi Variabel Utilitas Model Peluang Kecelakaan Kota Blitar

Keterangan :

X13 Waktu mulai beraktivitas 0 = Bekerja

1 = Lainnya

X25 Perilaku bersenda gurau 0 = Tidak

1 = Ya

Contoh perhitungan:

𝑃(𝐵𝐴) =1

1 + 𝑒−(−1,586+0,949(1)+1,388(0))= 0,346


sepeda di Kota Blitar berdasarkan karakteristik sosio-ekonomi, pergerakan, dan perilaku

dipengaruhi oleh waktu mulai beraktivitas dan perilaku bersenda gurau. Pengguna sepeda

dengan waktu beraktivitas lebih dari pukul 08.00 WIB dan tidak bersenda gurau saat

berkendara berpeluang mengalami kecelakaan sebesar 34,6 %.

X13 X25 Probabilitas


1 0 0.451 0.549

0 1 0.354 0.646

0 0 0.185 0.815

1 1 0.665 0.335

120


121

121

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil analisis karakteristik pengendara sepeda berdasarkan aspek sosio-ekonomi di

wilayah studi Kota Malang dan Kota Blitar yang dilakukan kepada 100 responden di masing-

masing wilayah studi, didapat hasil sebagai berikut:

a. Usia mayoritas pengendara sepeda adalah 15-25 tahun di kedua wilayah studi dan

mayoritas berjenis kelamin laki-laki.

b. Mayoritas pengendara sepeda memiliki tingkat pendidikan terakhir SMU / SMK / MA,

bekerja sebagai pelajar / mahasiswa untuk Kota Malang. Sedangkan untuk Kota Blitar,

mayoritas pengendara sepeda bekerja sebagai wiraswasta.

c. Penghasilan pengendara sepeda untuk Kota Malang adalah berkisar Rp.1.000.000 –

Rp.2.000.000. Sedangkan untuk Kota Blitar, mayoritas responden berpenghasilan <

Rp.1.000.000.

d. Mayoritas kepemilikan sepeda di kedua wilayah studi adalah milik sendiri dengan

junlah kepemilikan sepeda sebanyak 1 buah. Sedangkan untuk kendaraan lain,

mayoritas pengendara sepeda memiliki sepeda motor.

Dari hasil analisis karakteristik pengendara sepeda berdasarkan aspek pergerakan di

wilayah studi Kota Malang dan Kota Blitar yang dilakukan kepada 100 responden di

masing-masing wilayah studi, didapat hasil sebagai berikut

a. Mayoritas pengendara sepeda di kedua wilayah studi menggunakan sepeda dengan

maksud tujuan berolahraga untuk Kota Malang. Sedangkan pengendara sepeda di Kota

Blitar, menggunakan sepeda dengan maksud tujuan untuk bekerja.

b. Jarak yang ditempuh mayoritas pengendara sepeda di Kota Malang dan Kota Blitar

adalah < 5km dengan waktu tempuh < 30 menit.

c. Intensitas penggunaan sepeda oleh responden untuk wilayah studi Kota Malang adalah

tidak tentu. Berbeda dengan responden di Kota Blitar yang menggunakan sepeda

secara rutin (>5 hari).

122

d. Mayoritas waktu mulai penggunaan sepeda di kedua wilayah studi adalah dari pukul

06.00 – 08.00 pagi.

Dari hasil analisis karakteristik pengendara sepeda berdasarkan aspek perilaku di

wilayah studi Kota Malang dan Kota Blitar yang dilakukan kepada 100 responden di

masing-masing wilayah studi, didapat hasil sebagai berikut

a. Mayoritas pengendara sepeda di Kota Malang tidak pernah memeriksa lampu sepeda,

selalu memeriksa kondisi rem dan ban sepeda serta kadang-kadang memeriksa kondisi

rantai sepeda. Sedangkan pada saat berkendara, mayoritas pengendara sepeda di Kota

Malang tidak pernah memakai helm, tidak pernah memakai sarung tangan, tidak

pernah memakai pelindung siku dan tidak pernah memakai pelindung lutut. Selain itu

pada saat berkendara, mayoritas pengendara sepeda di Kota Malang juga tidak pernah

berboncengan, tidak pernah berjalan secara berombongan, tidak pernah bersenda

gurau, tidak menerobos lampu merah dan tidak pernah membawa barang / muatan

lebih. Dari hasil analisis juga didapat bahwa pengendara sepeda di Kota Malang

kadang-kadang memakai pakaian berwarna cerah / terang saat berkendara, kadang –

kadang menyiap kendaraan lain dari sebelah kanan, kadang – kadang melakukan

perjalanan saat hujan dan selalu memberi tanda saat akan berbelok kanan.

b. Untuk pengendara sepeda di Kota Blitar, mayoritas perilaku pengendara sepeda

sebelum berkendara adalah tidak pernah memeriksa kondisi lampu sepeda, selalu

memeriksa rem dan ban sepeda serta kdang – kadang memeriksa kondisi rantai sepeda.

Saat berkendara, mayoritas perilaku pengendara sepeda di Kota Blitar adalah tidak

pernah memakai helm, sarung tangan, pelindung lutut dan pelindung siku. Selain itu,

mayoritas perilaku pengendara sepeda Kota Blitar saat berkendara tidak pernah

berboncengan, tidak pernah bersenda gurau, tidak pernah menerobos lampu merah,

tidak pernah membawa muatan / barang dalam jumlah besar dan tidak pernah

melakukan perjalanan saat hujan. Dari hasil analisis juga didapat bahwa perilaku

pengendara sepeda di Kota Blitar kadang – kadang menggunakan pakaian berwarna

terang / cerah, kadang – kadang berjalan secara berombongan, dan kadang – kadang

melakukan perjalanan saat hujan. Selain itu didapat hasil perilaku pengendara sepeda

di Kota Blitar selalu member tanda saat akan berbelok kanan.

123

A. Kota Malang

Hasil analisis karakteristik kecelakaan pengendara sepeda di wilayah studi Kota

Malang, didapat hasil :

a. Mayoritas responden di Kota Malang pernah mengalami pengalaman kecelakaan saat

bersepeda yaitu sebesar 61 orang dari 100 responden.

b. Kerugian biaya kecelakaan dalam penelitian ini dibedakan atas kerugian biaya akibat

perawatan cedera dan kerugian biaya akibat perbaikan sepeda. Mayoritas responden di

Kota Malang mengalami kerugian biaya akibat perawatan cedera dan kerugian biaya

akibat perbaikan sepeda sebesar < Rp. 50.000

c. Mayoritas kecelakaan sepeda yang menimpa pengendara sepeda di wilayah studi Kota

Malang terjadi pada sore hari dengan mayoritas penyebab kecelakaan akibat dari jalan

licin / rusak.

B. Kota Blitar

a. Mayoritas responden di Kota Blitar tidak pernah mengalami pengalaman kecelakaan

saat bersepeda yaitu sebesar 56 orang dari 100 responden.

b. Mayoritas responden di Kota Blitar mengalami kerugian biaya akibat perawatan cedera

dan kerugian biaya akibat perbaikan sepeda sebesar <Rp. 50.000.

c. Mayoritas kecelakaan sepeda yang menimpa pengendara sepeda di wilayah studi Kota

Blitar terjadi pada sore hari dengan mayoritas penyebab kecelakaan diakibatkan

kesalahan sendiri (mengantuk, melamun, bercanda dll).

1

1

Model Peluang Kecelakaan Pengguna Sepeda di Wilayah Studi

Tabel 5.1

Model Prediksi Peluang Kecelakaan Sepeda di Wilayah Studi

Tinjauan Kota Malang Kota Blitar

Karakteristik Sosio-

Ekonomi 𝑃(𝐵𝐴) =

1

1+𝑒−(0,844+1,128𝑥3−1,491𝑥4) 𝑃(𝐵𝐴) =

1

1+𝑒−(−1,432+1,085𝑥2+1,180𝑥4)

Karakteristik

Pergerakan 𝑃(𝐵𝐴) =

1

1+𝑒−(1,386−1,272𝑥12) 𝑃(𝐵𝐴) =

1

1+𝑒−(−1,207+0,851𝑥9+0,971𝑥13)

Karakteristik Perilaku 𝑃(𝐵𝐴) =1

1+𝑒−(1,253−1,060𝑥15) 𝑃(𝐵𝐴) =

1

1 + 𝑒−(−1,483+1,288𝑥25+0,883𝑥30)

Karakteristik Sosio-

Ekonomi, Pergerakan,

dan Perilaku

𝑃(𝐵𝐴) =1

1 + 𝑒−(2,959+1,134𝑥3−1,624𝑥4−1,298𝑥12−1,368𝑥15) 𝑃(𝐵𝐴) =

1

1+𝑒−(−1,586+0,949𝑥13+1,388𝑥25)

Dengan :

X2 = Usia

X3 = Pendidikan

X4 = Penghasilan

X9 = Maksud-tujuan pergerakan

X12 = Frekuensi penggunaan sepeda

X13 = Waktu mulai beraktivitas

X15 = Perilaku memeriksa rem sepeda

X24 = Berjalan secara berombongan

X25 = Bersenda gurau

X30 = Melakukan perjalanan saat hujan

12

4

117

5.2 Saran

Adapun saran yang dapat diberikan untuk penelitian atau kajian selanjutnya adalah:

a. Perlu ditambah jumlah responden sehingga menambah keakurasian dan keberagaman

data.

b. Dalam melakukan survei wawancara dan pengambilan kuesioner, lebih baik lagi jika

responden dijelaskan secara detail sehingga meminimalisasi kesalahan dalam pengisian

data.

c. Hasil penelitian ini masih perlu pengembangan, oleh karenanya diperlukan

pengembangan untuk penelitian mendatang dengan variabel penelitian yang lebih

bervariasi.

125


126

127

DAFTAR PUSTAKA

Badan Pusat Statistik Kota Blitar. (2016). Kota Blitar Dalam Angka 2016. Blitar : Badan

Pusat Statistik.

Badan Pusat Statistik Kota Malang. (2016). Kota Malang Dalam Angka 2016. Malang :

Badan Pusat Statistik.

Badan Standarisasi Nasional. (2008). SNI 1049:2008 Sepeda – Syarat Keselamatan. Jakarta:

Badan Standarisasi Nasional

Departemen Perhubungan Darat. (2008). Kecelakaan Lalu Lintas dan Pencegahannya di

DKI Jakarta : http://hubdat.web.id (diakses 28 Maret 2017)

Djoko Setijowarno. (2003). Pengantar Rekayasa Dasar Transportasi. Bandung : Jurusan

Teknik Sipil Universitas Katolik Soegijapranata

Dwiyogo dan Prabowo. (2006). Studi Identifikasi Daerah Rawan Kecelakaan (Black Spot

dan Blacksite) Pada Jalan Tol Jagorawi : Universitas Diponegoro Semarang.

Gineung, Cynthia Utari. (2010). Hubungan Pengetahuan, Sikap, Persepsi dan Keterampilan

Mengendara Mahasiswa Terhadap Perilaku Keselamatan Berkendara (Safety

Riding) di Universitas Gunadarma Bekasi Tahun 2009. Jakarta : UIN Syarif

Hidayatullah.

Hanaf, Firzaldy. (2013). Rancang Bangun Sistem Informasi Bengkel Mobil Berbasis Web.

Surabaya : STMIK Surabaya.

Hoobs, F.D. (1979). Traffic Planning and Engineering, Second Edition, edisi Indonesia.

1995. Terjemahan Suprapto T.M dan Waldijono. Perencanaan dan Teknik Lalu

Lintas, Edisi Kedua : Gadjah Mada University Press Yogyakarta.

Indriastuti, K. Amelia, dan Harnen Sulistio. (2010). Influencing Factors on Motorcycle

Accident in Urban Area of Malang, Indonesia. International Journal of Academic

Research

Kartika, Metta. (2009). Analisis Faktor Penyebab Kecelakaan Lalu Lintas Pada Pengendara

Sepeda Motor Di Wilayah Depok. Depok : Universitas Indonesia.

Khisty, C. Jhotin, and Lall , B. Kent. (2003). Dasar-Dasar Rekayasa Transportasi. Bandung

: Erlangga

http://hubdat.web.id/

128

Marsaid, Hidayat, M., Ahsan. (2013). Faktor yang Berhubungan dengan Kejadian

Kecelakaan Lalu Lintas pada Pengendara Sepeda Motor di Wilayah Polres

Kabupaten Malang. Jurnal Ilmu Keperawatan Vol. I No. 2

Morlok, Edward. K. (1991). Pengantar Teknik dan Perencanaan Transportasi. Jakarta :

Erlangga

Nanbasa, B. (1981). Road Traffic Casualities in Ciptomangunkusumo Hospital Jakarta.

Medika no.11

Nugroho, R. Lukito Adi. (2012). Karakteristik Pengemudi dan Pemodelan Peluang

Terjadinya Kecelakaan Bus Antar Kota Antar Propinsi (AKAP). Tesis Tidak

Diterbitkan. Malang : Universitas Brawijaya.

Nurwanti, Enung. (2000). Pengetahuan, Sikap, dan Persepsi Pengemudi Angkutan Kota

terhadap Perilaku Disiplin Lalu Lintas di Jalan Kotif Depok Tahun 2000. Skripsi.

Universitas Indonesia

Patriya, Rukma Nur. (2008). Karakteristik Pengguna Sepeda Motor di Kota Malang. Tesis

Tidak Diterbitkan. Malang : Universitas Brawijaya.

Polda Jatim. (2017). Data Kecelakaan Lalu Lintas. : http://korlantas.info

Republik Indonesia. (1993). Peraturan Pemerintah Republik Indonesia No.43 Tahun 1993

tentang Prasarana dan Lalu Lintas.

Republik Indonesia. (2006). Peraturan Pemerintah Republik Indonesia No.34 Tahun 2006

tentang Jalan.

Republik Indonesia. (2009). Undang-Undang Republik Indonesia No.22 Tahun 2009

tentang Lalu Lintas dan Angkutan.

Republik Indonesia. (1992). Undang-Undang Republik Indonesia No.14 Tahun 1992

tentang Lalu Lintas dan Angkutan Jalan.

Robertus dan Sadar. (2007). Analisis Kecelakaan Lalu Lintas di Kota Semarang dan Faktor

Penyebabnya : Universitas Diponegoro Semarang.

Sartono, Wardhani. (1993). Penelitian Daerah Rawan Kecelakaan Lalu Lintas pada Ruas

Jalan Kupang – Atambua di Provinsi Nusa Tenggara Timur. : Media Teknik No 1

tahun XV UGM Yogyakarta

Soekanto, Soerjono. (2003). Memperkenalkan Sosiologi. Jakarta : Rajawali Press.

http://hubdat.web.id/

129

Subagyo, Pangestu. (2012). Statistik Deskriptif. Yogyakarta : BPFE.

Sugiarto. (2003). Teknik Sampling. Gramedia : Jakarta.

Sugiyono. (2005). Statistika Untuk Penelitian. CV Alfabeta : Bandung.

Sukirman, Silvia. (1999). Dasar-Dasar Perencanaan Geometrik Jalan. Bandung : Nova.

Tamin, Ofyar Z. (2000) . Perencanaan dan Permodelan Transportasi. Bandung : ITB

Bandung

Warpani, (1999). Pengelolaan Lalu Lintas dan Angkutan Jalan. Bandung : ITB

Yotina, Nenny. (2009). Studi Karakteristik dan Model Peluang Kecelakaan Pengendara

Sepeda Motor (Studi Kasus Kota Surabaya dan Kota Malang). Skripsi Tidak

Diterbitkan. Malang : Universitas Brawijaya.

Yusherman, Jasni. (2008). Epidemiologi Kecelakaan Lalu Lintas. Bandung : Rineka Cipta.

130


skripsirepository.ub.ac.id/1886/1/deby eka prima yoga.pdf6. kasi laka lantas kepolisian daerah jawa...

Documents