Machsus (2014) Pengembangan Model Prediksi Kecelakaan Sepeda Motor pada Ruas Jalan dan Persimpangan di Perkotaan. Doctor thesis, Universitas Brawijaya.
Abstract
Fenomena kecelakaan lalu lintas di jalan raya cenderung mengalami peningkatan dari tahun ke tahun. Analisis kecelakaan lalu lintas di kawasan perkotaan menarik untuk dikaji, mengingat jumlah kecelakaannya lebih besar dibandingkan dengan kecelakaan yang terjadi diluar kawasan perkotaan. Begitu pula, kecelakaan yang terjadi di kota-kota besar, seperti di Kota Surabaya. Jumlah kecelakaan lalu lintas di Kota Surabaya memperlihatkan bahwa tingkat kecelakaannya lebih tinggi dibanding dengan rerata-rata kecelakaan di kabupaten/kota, baik secara nasional maupun di tingkat provinsi Jawa Timur. Tingginya tingkat kecelakaan di Kota Surabaya terjadi pada semua indikator, yang meliputi : frekwensi kejadian, kendaraan yang terlibat, korban dan kerugian material. Sepeda motor merupakan jenis sarana transportasi yang memiliki potensi kecelakaan paling tinggi dibandingkan dengan jenis kendaraan bermotor lainnya. Tingginya potensi kecelakaan sepeda motor seiring dengan jumlah populasinya yang juga paling besar dibandingkan dengan jenis sarana transportasi yang lain. Kecelakaan sepeda motor adalah salah satu permasalahan lalu lintas di perkotaan, yang terjadi pada ruas jalan maupun persimpangan. Tujuan penelitian ini adalah sebagai berikut : a). Membuat pengembangan model prediksi kecelakaan sepeda motor pada ruas jalan dan persimpangan yang sesuai dengan karakteristik Kota Surabaya; b). Mengetahui perbandingan antara aplikasi Generalized Linear Model (GLMs) dengan Generalized Additive Model (GAMs) dalam pemodelan prediksi kecelakaan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya; c). Mengetahui variabel apa saja yang berpengaruh terhadap kecelakaan lalu lintas yang melibatkan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya, dan juga mengetahui pola pengaruhnya; dan d). Membuat rekomendasi program aksi keselamatan lalu lintas guna mengurangi jumlah kecelakaan sepeda motor pada ruas jalan dan persimpangan di Kota Surabaya. Lokasi studi ini pada 141 ruas jalan dan 65 simpang bersinyal di Surabaya, Indonesia. Ruas jalan dan simpang bersinyal yang dipilih didasarkan pada kondisi antara tahun 2009 sampai 2012 dengan asumsi atau kriteria bahwa tidak ada perubahan karakteristik yang signifikan selama masa studi, dan karakteristiknya tiap ruas jalan dan simpang bersinyal relatif sama atau cenderung homogen. Dalam pengembangan model prediksi kecelakaan sepeda motor ini digunakan pendekatan Generalized Linear Models (GLMs) dan pendekatan Generalized Additive Models ( GAMs ). Asumsi distribusi yang digunakan pada kedua pendekatan tersebut, dibatasi hanya pada tiga (3) jenis distribusi, yakni: distribusi poisson, distribusi binomial negatif, dan distribusi Gaussian atau distribusi normal. Sedangkan fungsi penghubung ( link-function ) yang dipilih dan digunakan adalah fungsi penghubung logaritma, karena fungsi log menjamin bahwa nilai yang diharapkan dari variabel atau peubah responnya akan bernilai non-negative . Dalam pemeriksaan dan pemilihan model terbaik dilakukan dengan memperhatikan beberapa kriteria kebaikan model pada data penyusun model dan data validasi, dengan parameter sebagai berikut : R-sq ( adjusted ), GCV ( Generalized Cross Validation ), UBRE ( Un-Biased Risk Estimator ), dan AIC ( Akaike Information Criterion ); serta RMSE ( Root mean square error ). Setelah itu dihasilkan model akhir terbaik dari pengembangan model prediksi kecelakaan sepeda motor yang dapat digunakan untuk aplikasi dan simulasi model. Hasil yang diperoleh dari penelitian ini, adalah sebagai berikut : 1). Model akhir terbaik dari hasil pengembangan model prediksi kecelakaan sepeda motor pada semua klasifikasi fungsi ruas jalan dan tipe simpang bersinyal yang dikaji pada penelitian adalah model prediksi dengan pendekatan GAMs yang menggunakan distribusi Gaussian dan fungsi penghubung logaritma; 2). Aplikasi GAMs lebih baik dibandingkan dengan GLMs dalam pengembangan model prediksi kecelakaan sepeda motor pada ruas jalan dan simpang bersinyal, yang ditunjukkan dengan diperolehnya skor terkecil pada indikator AIC, GCV, UBRE, dan RMSE, serta skor terbesar pada indikator R-sq( adj )., dan deviance explained; 3). Variabel yang berpengaruh signifikan terhadap model prediksi kecelakaan sepeda motor pada ruas jalan, meliputi: volume lalu lintas (FLOW), panjang ruas jalan (LR), jumlah titik aksesibilitas (AP), dan kecepatan lalu lintas (SPEED), jumlah lajur (LN), tipe jalan berbasis arah (CN), dan lebar badan jalan (RW). Sedangkan variabel yang berpengaruh signifikan pada simpang bersinyal, meliputi: volume kendaraan (Q), jumlah pergerakan pada simpang (NMv), dan ketersediaan jalur khusus belok kiri langsung (EL_LTOR); 4). Rekomendasi program aksi keselamatan lalu lintas, guna mengurangi kecelakaan sepeda motor pada ruas jalan dan persimpangan, diantaranya : a). Sosialisasi indeks tingkat kecelakaan; b). Normalisasi aksesibilitas pada ruas jalan; c). Evaluasi kinerja simpang bersinyal berbasis keselamatan; d). zonasi larangan sepeda motor; e). pembatasan kecepatan sepeda motor; f). penyediaan lajur khusus sepeda motor dengan separator permanen; dan g). penyediaan jalur khusus belok kiri langsung, khusus pada simpang dengan pejalan kaki yang sedikit, atau jika banyak pejalan kaki harus dilengkapi fasilitas PCTL ( Pedestrian Crossing Traffic Lights ).
English Abstract
The phenomenon of traffic accidents on the highway tends to increase from year to year. Analyzing traffic accidents in urban areas is important, because the traffic accident event in urban area is significantly greater than the traffic accidents occurred in small town or remote areas. Like Surabaya city, the number of accident occurred in this city is relatively large. All traffic accident indicators of Surabaya city are highest within the cities in East Java province and even in Indonesia. Those indicators include: frequency of accident, number of vehicle involved, number of victims and ammount of material losses. In Surabaya, number of motorcycle accident is the highest compared with accident number of other types of motor vehicles. It also related to population of motorcycle in Surabaya that increases dramatically at the last 20 years. Commonly, the motorcycle accident occurs on roads and intersections. The purpose of this study is as follows: a). Develop the predictive models of motorcycle accidents on road and intersections in accordance with the road characteristics of Surabaya; b). To compare the application of Generalized Linear Models (GLMs) and Generalized Additive Models (GAMs) in a motorcycle accident prediction modeling; c). To study the variable that affects to the traffic motorcycle accidents and explains the mechanism d). Create recommendations of traffic safety action program to reduce the frequency of motorcycle accidents on the road and intersection in Surabaya. This study analyzed traffic accident data of 141 roads and 65 intersections in Surabaya, Indonesia, between the years 2009 to 2012. In the study, it was assumed that no significant change in the road and intersection caracteristics. The GLMs and GAMs approach are used for the predictive model of motorcycle accidents. Distribution assumption used in both the approaches was restricted to three types of distributions, namely: the Poisson distribution, the negative binomial distribution, and the Gaussian or normal distribution. Meanwhile, the logaritmic link-function is used int the study, because the logarithmic function ensures that the expected value of the response variable will be a non-negative value. Using validation data, the best model is selected based on the following parameters; R-sq (adjusted), GCV (Generalized Cross Validation), UBRE (Un-Biased Risk Estimator), and AIC (Akaike Information Criterion); and RMSE (Root mean square error). The results obtained from this study are: a).The prediction models using GAMs with Gaussian distribution and logarithmic link function give the best models of the motorcycle accident for all road function classifications and all types of signalized intersections; b). GAMs better than GLMs for the predictive models of motorcycle accidents on roads and signalized intersections which is indicated by the smallest score of AIC, GCV, UBRE, and RMSE, and the highest value of R-sq (adj); c). The variables that significantly influence motorcycle accidents on the road are traffic volume (FLOW), the length of roads (LR), number of access points (AP), traffic speed (SPEED), the number of lanes (LN), type of carriageway (CN), and the width of roads (RW). Meanwhile, for motorcycle accident on signalized intersections, the significant variables are: traffic volume (Q), the number of movement at the intersection (NMV), and the availability of exclusive lanes for left turn on red (EL_LTOR); d). In order to reduce motorcycle accident on roads and intersections, the following traffic safety program is recomended: 1). Promote the using of accident rate index to mantain safety awarenes in the road; 2). Re-evaluation road accessibility at each road segment; 3). Re-evaluation performance of the signalized intersections with put safety as the highest priority; 4). Create an restricted zone for motorcycle at some dangerous road segment; 5). Motorcycle speed limitations program; 6). Develope exclusive motorcycles lanes with permanent separator; and 7). Develope exclusive lane for left turn on red for intersections with little pedestrian, and develope PCTL (Pedestrian Crossing Traffic Lights) for intersections with a lot of pedestrian.
| Item Type: | Thesis (Doctor) |
|---|---|
| Identification Number: | DES/363.125 9/MAC/p/061407439 |
| Subjects: | 300 Social sciences > 363 Other social problems and services > 363.1 Public safety programs |
| Divisions: | S2/S3 > Magister Teknik Sipil, Fakultas Teknik |
| Depositing User: | Endro Setyobudi |
| Date Deposited: | 21 Nov 2014 16:23 |
| Last Modified: | 21 Nov 2014 16:23 |
| URI: | http://repository.ub.ac.id/id/eprint/160977 |
Actions (login required)
 |
View Item |