skripsirepository.ub.ac.id/1886/1/deby eka prima yoga.pdf6. kasi laka lantas kepolisian daerah jawa...
TRANSCRIPT
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
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)
Malang, Agustus 2017
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 β 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.
Malang, Agustus 2017
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.
Malang, Agustus 2017
Penulis
i
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas berkat, rahmat, serta limpahan karunianya
sehingga penulis dapat menyelesaikan tugas akhir yang berjudul βModel Prediksi Peluang
Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang dan Kota Blitarβ 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
vi
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
viii
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 β Ekonomi Kota Malang ......................................... 87
Tabel 4.53 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio β
Ekonomi Kota Malang ............................................................................ 87
Tabel 4.54 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada
Karakteristik Sosio β Ekonomi Kota Blitar ............................................. 88
Tabel 4.55 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio β
Ekonomi Kota Blitar ............................................................................... 88
Tabel 4.56 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada
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
Tabel 4.60 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada
Karakteristik Perilaku Kota Malang ........................................................ 90
Tabel 4.61 Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Perilaku
Kota Malang ............................................................................................ 91
Tabel 4.62 Hasil Uji Korelasi Variabel Penjelas Terhadap Variabel Respon Pada
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-
Ekonomi Kota Malang ............................................................................ 97
Tabel 4.66 Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota
Malang .................................................................................................... 97
Tabel 4.67 Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-
Ekonomi Kota Malang ............................................................................ 98
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
Tabel 4.72 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan
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
Tabel 4.77 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan
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
Tabel 4.87 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan
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
Tabel 4.92 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan
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
Tabel 4.97 Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan
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
Lampiran 7 Hasil Analisis Model Peluang Kecelakaan Berdasarkan Karakteristik
Pergerakan ............................................................................................. 162
Lampiran 8 Hasil Analisis Model Peluang Kecelakaan Berdasarkan Karakteristik
Perilaku ................................................................................................. 168
Lampiran 9 Hasil Analisis Model Peluang Kecelakaan Berdasarkan Karakteristik
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 π(π΅π΄) =1
1+πβ(2,959+1,134π₯3β1,624π₯4β1,298π₯12β1,368π₯15) , 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 π(π΅π΄) =1
1+πβ(β1,586+0,949π₯13+1,388π₯25), dimana X13 = waktu mulai beraktivitas,
dan X25 = perilaku bersendau gurau.
Kata Kunci : Model Peluang, Kecelakaan Sepeda, Regresi Logistik, Kota Malang Kota
Blitar.
xvi
(Halaman ini sengaja dikosongkan)
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 π(π΅π΄) =1
1+πβ(2,959+1,134π₯3β1,624π₯4β1,298π₯12β1,368π₯15),
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 π(π΅π΄) =1
1+πβ(β1,586+0,949π₯13+1,388π₯25), X13 = activity start time
and X25 = joking behavior.
Keywords : Probability Model, Cycle Accident, Logistic Regression, Malang City Blitar
City.
xviii
(Halaman ini sengaja dikosongkan)
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
(Halaman ini sengaja dikosongkan)
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 β 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 β 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 β 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 β 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 + β¦ +
BnXn
Y - 1
1+πβ(π΅0 + π΅1π1 + π΅2π2 + β¦ + π΅πππ)
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)
1β P(i) ........................................................................................................ (2-2)
Pembentukkan model logit didasarkan pada fungsi peluang logistik kumulatif yang
dispesifikasikan sebagai berikut :
Pi = F(Ξ²0 + Ξ²1Xli) =1
1+ πβz = 1
1+ πβ(Ξ²0 + Ξ²1Xli) ................................................................. (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 , β¦. , 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 (Ξ±, Ξ²) 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 β 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.
ππππ (ππ£πππ‘)
(ππππ (ππ ππ£πππ‘)= ππ½0 + π½1π1 + π½2π2 + β¦ + π½πππ Odds ratio .............. (2-5)
Estimasi koefisien (Ξ²i) 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 Ξ²i positif, maka antilognya akan >1, dengan demikian odds ratio akan
meningkat.
b. Jika Ξ²i negatif, maka antilognya akan <1, maka odds ratio akan menurun.
c. Jika Ξ²i = 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.
π πππππ‘2 =
β2πΏπΏππ’ππβ(β2πΏπΏπππππ)
β2πΏπΏππ’ππ ........................................................................................ (2-6)
0 β€ π πππππ‘2 β€ 1 ........................................................................................................... (2-7)
Terdapat dua uji terhadap model akhir. Pertama, adalah uji chi-square (Ο2) 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 Ο2. 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 Ο2 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 Ξ² adalah :
Wald = [π½/π . π. π½]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 Ο2, dimana :
LR[i] = -2 [ LL(Ξ±) β LL(Ξ±,Ξ²) ] ..................................................................................... (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
π (ππ)
= 1/[1 + πβ(β0,787β0,875 π2,1β0,801π2,4)]
Persamaan:
Menggunakan
Metode Analisis
Deskriptif dan
Regresi Logistik
dengan variabel
aspek sosial
ekonomi,
pergerakan dan
perilaku.
29
30
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
Analisis Yang
Digunakan Output
Persamaan
dan
Perbedaan
Aspek Pergerakan
π (ππ) = 1/[1 + πβ(β1,120β1,980π1,1)] Aspek Perilaku Pengendara
π (ππ) =1
1+πβ(0,665+0,591 π3,2+1,823 π4,1+0,594 π4,2)
Model Peluang Kecelakaan di Kota
Malang :
Aspek Sosio Ekonomi
π (ππ) = 1/[1 + πβ(0,687+1,511 X3,2)] Aspek Pergerakan
π (ππ) = 1/[1 + πβ(1,084+2,155 X3,4)] Aspek Perilaku
π (ππ) = 1/[1 + πβ(0,220β1,425 X1,1)] Model Peluang Kecelakaan di Kota
Sragen :
Aspek Sosio Ekonomi
π (ππ) = 1/[1 + πβ(3,037β2,295 X2,2)] Aspek Pergerakan
π (ππ)= 1/[1
+ πβ(β1,439+3,597 X1,2+2,532 X1,3)] Aspek Perilaku Pengendara
π (ππ) = 1/[1 + πβ(β0,392+0,193 π2)]
Perbedaan:
Penelitian
dilakukan
pada sepeda
motor
sedangkan
yang akan
diteliti dalam
penelitian ini
adalah
sepeda
30
31
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
Analisis
Yang
Digunakan
Output Persamaan dan
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
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
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
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
Analisis Yang
Digunakan Output
Persamaan dan
Perbedaan
- Model peluang kecelakaan
pengemudi Bus AKAP yang
didasarkan pada karakteristik
pengemudi teladan Bus AKAP
pengemudi adalah :
π ππππ =1
1 + πβ(3,321β0,375π2)
- Sedangkan model peluang
kecelakaan pengemudi Bus AKAP
yang didasarkan pengaruh
pengetahuan pengemudi adalah :
π πππ2 =1
1+πβ(β1,002+0,298π9)
33
34
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
Analisis
Yang
Digunakan
Output Persamaan dan
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
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
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
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
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
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
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
π (ππ)= 1/[1
+ πβ(β2,225β1,409.π6.1+1,221.X8.2)] - Model berpindah dari sepeda ke sepeda
motor
π (ππ)= 1/[1
+ πβ(1,200β0,656.π2.2+0,754.π31β0,851.π10)]
Persamaan:
Menggunakan
Metode
Analisis
Deskriptif
dengan
variabel
karakteristik
sosio ekonomi,
pergerakan
dan perilaku
Perbedaan:
Model peluang
dibuat untuk
perlu tidaknya
lajur sepeda
37
38
No Judul Peneliti Lokasi
Penelitian Tujuan Variabel
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+πβ(π½π+ π½1π1+ π½2π2+ π½3π3β¦ )
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 βModel Prediksi
Peluang Kecelakaan yang Melibatkan Pengguna Sepeda di Kota Malang dan Kota Blitarβ,
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
Khisty and Lall, 2003
Mengetahui
Karakteristik
Kecelakaan
Karakteristik
Kecelakaan Keterlibatan kecelakaan
Jenis cedera
Faktor penyebab kecelakaan
UU No. 22 Tahun
2009
Khisty and Lall, 2003
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
X15 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Memeriksa
Kondisi Ban
Sepeda
X16 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Memeriksa
Kondisi Rantai
Sepeda
X17 Nominal 1 = Tidak Pernah
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
X20 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Memakai
Pelindung
Siku
X21 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Memakai
Pakaian
Berwarna
Terang / Cerah
X22 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Berboncengan X23 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Berjalan
Secara
Berombongan
X24 Nominal 1 = Tidak Pernah
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
X27 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Mendahului
Dari Sebelah
Kanan
X28 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Memberi
Tanda Saat
Belok Kanan
X29 Nominal 1 = Tidak Pernah
2 = Kadang-Kadang
3 = Selalu
Melakukan
Perjalanan
Saat Hujan
X30 Nominal 1 = Tidak Pernah
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 β 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
ππ = πΉ(π½0 + π½1π1π) =1
1+πβπ§=
1
1+πβ(π½0+π½1πππ).................................................. (3-1)
Selanjutnya berdasarkan pembentukan model logit diatas maka struktur model yang
digunakan dalam kajian ini adalah sebagai berikut:
π(π΅π΄) =1
1+πβ(π½0+π½1π₯1+π½2π₯2+π½3π₯3+β―) ....................................................................... (3-2)
Dengan :
P(BA) = peluang kejadian kecelakaan sepeda
e = bilangan alam (2,71828)
Ξ² = 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
β€ 0,05
Signifikansi
β€ 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
Statistik Deskriptif
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 π(π΅π΄)
=1
1 + πβ(π½0+π½1π₯1+π½2π₯2+π½3π₯3+β―)
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
Statistik Deskriptif
(Analisis Frekuensi) Karakteristik Sosio-
Ekonomi
Karakteristik
Perilaku
Karakteristik Pengguna Sepeda
Karakteristik
Kecelakaan
Analisis Statistik Regresi
Logistik
Model Peluang Kecelakaan Yang Melibatkan
Pengguna Sepeda
Statistik Deskriptif
(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 112014β β 112028β Bujur Timur dan 802β β 808β 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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
tingkat penghasilan pengguna sepeda di Kota Malang adalah sebagai sebesar Rp. 1.000.000
β 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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
66
4.2.2 Karakteristik Pergerakan
4.2.2.1 Maksud dan Tujuan Pergerakan
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
67
4.2.2.2 Jarak Tempuh
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
kedua variabel tersebut.
69
4.2.2.4 Intensitas Penggunaan Sepeda
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Berdasarkan survei kuesioner yang telah dilakukan dapat diketahui jika mayoritas
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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 β 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
Sumber : Hasil Survei (2017)
Tabel 4.39
Biaya Perawatan Cedera Pengguna Sepeda di Kota Blitar
No. Biaya Yang Dikeluarkan Jumlah Persentase
(%)
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
Sumber : Hasil Survei (2017)
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
kedua variabel tersebut.
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
No. Biaya Yang Dikeluarkan Jumlah Persentase
(%)
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
Sumber : Hasil Survei (2017)
Tabel 4.41
Biaya Perbaikan Sepeda Pengguna Sepeda di Kota Blitar
No. Biaya Yang Dikeluarkan Jumlah Persentase
(%)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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
Sumber : Hasil Survei (2017)
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 SosioβEkonomi 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 β€ 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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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 β
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
Sumber : Hasil Perhitungan
Tabel 4.53
Hasil Uji Korelasi Antar Variabel Penjelas Pada Karakteristik Sosio β 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 β
Ekonomi Kota Blitar
Variabel Respon Variabel Penjelas Pearson
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 β 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.
Variabel Respon Variabel Penjelas Pearson
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.
Variabel Respon Variabel Penjelas Pearson
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
Sumber : Hasil Perhitungan
`
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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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 = β€ 25 tahun
1 = > 25 tahun
X3 Pendidikan 0 = SMA/MA/SMK
1 = Lainnya
X4 Pekerjaan 0 = Pelajar/mahasiswa
1 = Lainnya
X5 Penghasilan 0 = β€ Rp. 2.000.000
1 = > Rp. 2.000.000
X6 Kepemilikan Sepeda 0 = Milik Sendiri
1 = Pinjam
X7 Jumlah Kepemilikan 0 = β€ 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 β₯ 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
Sumber : Hasil Perhitungan
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
Sumber : Hasil Perhitungan
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 β 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
Sumber : Hasil Perhitungan
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.
ππ = πΉ(π½0 + π½1π1π) =1
1+πβπ§=
1
1+πβ(π½0+π½1πππ) (4-2)
π(π΅π΄) =1
1 + πβπ
Z = 0,844+ 1,128 X3 - 1,491 X4
π(π΅π΄) =1
1 + πβ(0,844+1,128π₯3β1,491π₯4)
Tabel 4.68
Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi
Kota Malang
Sumber : Hasil Perhitungan
Keterangan:
X3 Pendidikan 0 = SMA/MA/SMK
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:
π(π΅π΄) =1
1 + πβ(0,844+1,128(1)β1,491(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
Notasi Indikator Kategori
Variabel Penjelas
X9 Maksud-tujuan 0 = Olahraga
1 = Lainnya
X10 Jarak tempuh 0 = β€ 5 km
1 = > 5 km
X11 Waktu tempuh 0 = β€ 30 menit
1 = > 30 menit
X12 Frekuensi penggunaan 0 = Tidak tentu
1 = Lainnya
X13 Waktu mulai beraktivitas 0 = β€ 08.00 WIB
1 = > 08.00 WIB
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 pergerakan didapat bahwa variabel X9 (maksud-tujuan), X10
(jarak tempuh), X11 (waktu tempuh), dan X13 (waktu mulai beraktivitas) dieliminasi karena
nilai signifikansinya β₯ 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
Sumber : Hasil Perhitungan
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)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.71
Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Malang
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 126.836a .067 .091
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model.
Dengan menggunakan persamaan (4-3) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.72.
ππ = πΉ(π½0 + π½1π1π) =1
1+πβπ§=
1
1+πβ(π½0+π½1πππ)
π(π΅π΄) =1
1 + πβπ
Z = 1,386 - 1,272 X12
101
π(π΅π΄) =1
1 + πβ(1,386β1,272π₯12)
Tabel 4.72
Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota
Malang
Sumber : Hasil Perhitungan
Keterangan:
X12 Intensitas penggunaan 0 = Tidak tentu 1= Lainnya
Contoh perhitungan:
π(π΅π΄) =1
1 + πβ(1,386β1,272(0))= 0,800
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Notasi Indikator Kategori
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
Sumber : Hasil Pengolahan (2017)
X12 Probabilitas
Kecelakaan Tidak Kecelakaan
0 0.800 0.200
1 0.529 0.471
102
Tabel 4.73
Variabel Penjelas Karakteristik Perilaku Kota Malang (lanjutan)
Notasi Indikator Kategori
X22 Memakai pakaian berwarna terang /
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
Sumber : Hasil Pengolahan (2017)
Berdasarkan uji korelasi yang telah dilakukan terhadap variabel respon dan variabel
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
Sumber : Hasil Perhitungan
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 β1,060 X15 (4-4)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.75
Nilai Nagelkerke R Square Karakteristik Perilaku Kota Malang
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 126.369a .071 .096
2 129.131a .045 .061
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model.
Uji kelayakan model atau goodness of fit model dilakukan dengan prinsip hosmer and
lameshow test. Jika nilai ujinya sama dengan atau kurang dari 5 % berarti ada perbedaan
yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik
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 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
Step Chi-square df Sig.
1 1.379 2 .502
Sumber : Hasil Perhitungan
Dengan menggunakan persamaan (4-4) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.76.
ππ = πΉ(π½0 + π½1π1π) =1
1+πβπ§=
1
1+πβ(π½0+π½1πππ)
π(π΅π΄) =1
1 + πβπ
Z = 1,253 β1,060 X15
104
π(π΅π΄) =1
1 + πβ(1,253β1,060π₯15)
Tabel 4.77
Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Perilaku Kota
Malang
Sumber : Hasil Perhitungan
Keterangan:
X18 Memeriksa rem 0 = Tidak 1 = Ya
Contoh perhitungan:
π(π΅π΄) =1
1 + 1 + πβ(1,253β1,060(0))= 0,548
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Sumber : Hasil Perhitungan
X18 Probabilitas
Kecelakaan Tidak Kecelakaan
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
Sumber : Hasil Perhitungan
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 β 1,298 X12 β 1,368 X15 (4-5)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.80
Nilai Nagelkerke R Square Model Peluang Kecelakaan Kota Malang
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 105.962a .243 .329
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah
0,329 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas
sebesar 32,9 %, 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 ujinya sama dengan atau kurang dari 5 % berarti ada perbedaan
106
yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik
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 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
Step Chi-square df Sig.
1 5.177 7 .638
Sumber : Hasil Perhitungan
Dengan menggunakan persamaan (4-5) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.82.
π(π΅π΄) =1
1 + πβπ
Z = 2,959 + 1,134 X3 - 1,624 X4 β 1,298 X12 β 1,368 X15
π(π΅π΄) =1
1 + πβ(2,959+1,134π₯3β1,624π₯4β1,298π₯12β1,368π₯15)
Tabel 4.82
Simulasi Variabel Utilitas Peluang Kecelakaan di Kota Malang
X3 X4 X12 X15 Probabilitas
Kecelakaan Tidak Kecelakaan
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
Sumber : Hasil Perhitungan
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:
π(π΅π΄) =1
1 + πβ(2,959+1,134(1)β1,624(1)β1,298(1)β1,368(1))= 0,451
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
dilakukan adalah dengan mencari variabel penjelas yang berpengaruh signifikan terhadap
variabel respon.
Tabel 4.83
Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Blitar
Notasi Indikator Kategori
Variabel Penjelas
X1 Jenis Kelamin 0 = Laki-laki
1 = Perempuan
X2 Usia 0 = β€ 25 tahun
1 = > 25 tahun
X3 Pendidikan 0 = SMA/MA/SMK
1 = Lainnya
Sumber : Hasil Pengolahan (2017)
108
Tabel 4.83
Variabel Penjelas Karakteristik Sosio-Ekonomi Kota Blitar (lanjutan)
Notasi Indikator Kategori
Variabel Penjelas
X4 Pekerjaan 0 = Wiraswasta
1 = Lainnya
X5 Penghasilan 0 = β€ Rp. 1.000.000
1 = > Rp. 1.000.000
X6 Kepemilikan Sepeda 0 = Milik Sendiri
1 = Pinjam
X7 Jumlah Kepemilikan 0 = β€ 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), X3
(pendidikan), X5 (penghasilan), X6 (kepemilikan sepeda), X7 (jumlah kepemilikan sepeda),
dan X8 (kendaraan lain yang dimiliki) dieliminasi karena nilai signifikansinya β₯ 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
dengan metode Backward Wald. Metode ini bekerja dengan mengeluarkan variabel-variabel
yang tidak signifikan. Berikut hasil seleksi variabel terpilih 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
Sumber : Hasil Perhitungan
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)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.85
Nilai Nagelkerke R Square Karakteristik Sosio-Ekonomi Kota Blitar
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 123.042a .132 .177
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah
0,177 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas
sebesar 17,7 %, 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
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 %.
Tabel 4.86
Signifikansi Hosmer and Lameshow Test Karakteristik Sosio-Ekonomi Kota Blitar
Step Chi-square df Sig.
1 1.087 2 .581
Sumber : Hasil Perhitungan
110
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 4.87.
π(π΅π΄) =1
1 + πβπ
Z = -1,432 + 1,085 X2 + 1,180 X4
π(π΅π΄) =1
1 + πβ(β1,432+1,085π₯2+1,180π₯4)
Tabel 4.87
Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Sosio-Ekonomi
di Kota Blitar
Sumber : Hasil Perhitungan
Keterangan:
X2 Usia 0 = β€ 25 tahun
1 = > 25 tahun
X4 Pekerjaan 0 = β€ Wiraswasta
1 = > Lainnya
Contoh perhitungan:
π(π΅π΄) =1
1 + πβ(β1,432+1,085(1)+1,180(0))= 0,414
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Kecelakaan Tidak Kecelakaan
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
Notasi Indikator Kategori
Variabel Penjelas
X9 Maksud-tujuan 0 = Bekerja
1 = Lainnya
X10 Jarak tempuh 0 = β€ 5 km
1 = > 5 km
X11 Waktu tempuh 0 = β€ 30 menit
1 = > 30 menit
X12 Intensitas penggunaan 0 = Rutin
1 = Lainnya
X13 Waktu mulai beraktivitas 0 = β€ 08.00 WIB
1 = > 08.00 WIB
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 pergerakan didapat bahwa variabel X10 (jarak tempuh), X11
(waktu tempuh), dan X12 (intensitas penggunaan) dieliminasi karena nilai signifikansinya β₯
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
dengan metode Backward Wald. Metode ini bekerja dengan mengeluarkan variabel-variabel
yang tidak signifikan. Berikut hasil seleksi variabel terpilih 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
Sumber : Hasil Perhitungan
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
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 variabel yang lolos uji wald tersebut β€ 0,05
menunjukkan bahwa variabel tersebut berpengaruh secara signifikan terhadap variabel
respon.
Berdasarkan tabel 4.89 pembentukan fungsi utilitas model peluang kecelakaan sepeda
berdasarkan karakteristik pergerakan dirumuskan dengan:
Z = -1,207 +0,851 X9 + 0,971 X13 (4-7)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.90
Nilai Nagelkerke R Square Karakteristik Pergerakan Kota Blitar
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 127.743a .090 .121
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah
0,121 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas
sebesar 12,1 %, 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. 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
Step Chi-square df Sig.
1 1.707 2 .426
Sumber : Hasil Perhitungan
113
Dengan menggunakan persamaan (4-7) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.92.
π(π΅π΄) =1
1 + πβπ
Z = -1,207 +0,851 X9 + 0,971 X13
π(π΅π΄) =1
1 + πβ(β1,207+0,851π₯9+0,971π₯13)
Tabel 4.92
Simulasi Variabel Utilitas Peluang Kecelakaan Berdasarkan Karakteristik Pergerakan Kota
Blitar
Sumber : Hasil Perhitungan
Keterangan:
X9 Maksud-tujuan 0 = Bekerja
1 = Lainnya
X13 Waktu mulai beraktivitas 0 = β€ 08.00 WIB
1 = > 08.00 WIB
Contoh perhitungan:
π(π΅π΄) =1
1 + πβ(β1,207+0,851(1)+0,971(0))= 0,412
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Kecelakaan Tidak Kecelakaan
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
dilakukan adalah dengan mencari variabel penjelas yang berpengaruh signifikan terhadap
variabel respon. Untuk lebih jelasnya pada tabel 4.93 berikut.
Tabel 4.93
Variabel Penjelas Karakteristik Perilaku Kota Blitar
Notasi Indikator Kategori
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
X22 Memakai pakaian berwarna terang /
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
Sumber : Hasil Pengolahan (2017)
Berdasarkan uji korelasi yang telah dilakukan terhadap variabel respon dan variabel
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)
positif ini artinya antara variabel penjelas (X) dan variabel respon (Y) berbanding lurus,
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 tabel 4.94 pembentukan fungsi utilitas model peluang kecelakaan sepeda
berdasarkan karakteristik perilaku dirumuskan dengan:
Z = -1,483 + 1,288 X25 + 0,883 X30 (4-8)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.95
Nilai Nagelkerke R Square Karakteristik Perilaku Kota Blitar
Step -2 Log likelihood
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)
dengan model null. Nilai tersebut menjelaskan semakin banyak nilai variasi yang dapat
dijelaskan oleh suatu model. Nilai ada pada rentang 0 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah
0,185 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas
sebesar 18,5 %, 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
karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik hosmer
and lameshow lebih besar dari 5 % berarti model mampu untuk memperediksi nilai
116
observasinya dengan tingkat kepercayaan 95 %. Hasil dari pengolahan data didapat nilai
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
Step Chi-square df Sig.
3 .116 2 .944
Sumber : Hasil Perhitungan
Dengan menggunakan persamaan (4-8) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.97.
π(π΅π΄) =1
1 + πβπ
Z = -1,483 + 1,288 X25 + 0,883 X30
π(π΅π΄) =1
1 + πβ(β1,483+1,288π₯25+0,883π₯30)
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:
π(π΅π΄) =1
1 + πβ(β1,483+1,288(1)+0,883(0))= 0,451
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Kecelakaan Tidak Kecelakaan
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
Sumber : Hasil Perhitungan
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 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
Sumber : Hasil Perhitungan
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)
Setelah mendapat persamaan utilitas (Z) diatas, selanjutnya akan ditinjau nilai R nya.
Tabel 4.100
Nilai Nagelkerke R Square Peluang Kecelakaan Kota Blitar
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 121.699a .143 .192
Sumber : Hasil Perhitungan
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 β 1. Semakin mendekati angka 1 maka
banyak variasi yang dapat dijelaskan oleh suatu model. Nilai Nagelkerke R Square adalah
0,192 yang artinya variabilitas peluang kecelakaan dapat dijelaskan oleh variabel penjelas
sebesar 19,2 %, 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
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 %.
Tabel 4.101
Signifikansi Hosmer and Lameshow Test Peluang Kecelakaan Kota Blitar
Step Chi-square df Sig.
1 .455 2 .796
Sumber : Hasil Perhitungan
Dengan menggunakan persamaan (4-9) simulasi variabel utilitas dan dimasukkan
kedalam persamaan (4-2) didapat hasil model peluang kecelakan, untuk lebih jelasnya dapat
dilihat pada tabel 4.101.
π(π΅π΄) =1
1 + πβπ
Z = -1,586 + 0,949 X13 + 1,388 X25
119
π(π΅π΄) =1
1 + πβ(β1,586+0,949π₯13+1,388π₯25)
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:
π(π΅π΄) =1
1 + πβ(β1,586+0,949(1)+1,388(0))= 0,346
Berdasarkan contoh diatas dapat diinterpretasikan jika peluang kecelakaan pengguna
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
Kecelakaan Tidak Kecelakaan
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
(Halaman ini sengaja dikosongkan)
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 β
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 β 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 β
kadang menyiap kendaraan lain dari sebelah kanan, kadang β 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 β 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 β kadang menggunakan pakaian berwarna
terang / cerah, kadang β kadang berjalan secara berombongan, dan kadang β 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 π(π΅π΄) =
1
1+πβ(0,844+1,128π₯3β1,491π₯4) π(π΅π΄) =
1
1+πβ(β1,432+1,085π₯2+1,180π₯4)
Karakteristik
Pergerakan π(π΅π΄) =
1
1+πβ(1,386β1,272π₯12) π(π΅π΄) =
1
1+πβ(β1,207+0,851π₯9+0,971π₯13)
Karakteristik Perilaku π(π΅π΄) =1
1+πβ(1,253β1,060π₯15) π(π΅π΄) =
1
1 + πβ(β1,483+1,288π₯25+0,883π₯30)
Karakteristik Sosio-
Ekonomi, Pergerakan,
dan Perilaku
π(π΅π΄) =1
1 + πβ(2,959+1,134π₯3β1,624π₯4β1,298π₯12β1,368π₯15) π(π΅π΄) =
1
1+πβ(β1,586+0,949π₯13+1,388π₯25)
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
(Halaman ini sengaja dikosongkan)
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 β 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
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 β Atambua di Provinsi Nusa Tenggara Timur. : Media Teknik No 1
tahun XV UGM Yogyakarta
Soekanto, Soerjono. (2003). Memperkenalkan Sosiologi. Jakarta : Rajawali Press.
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
(Halaman ini sengaja dikosongkan)