POLA TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU …digilib.its.ac.id/public/ITS-Undergraduate-16073-1307100027... · Estimasi parameter diperoleh dari turunan pertama di atas. ... Dengan

POLA TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU LINTASPOLA TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU LINTASDENGAN MENGGUNAKAN REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS: KECELAKAAN LALU LINTAS DI SURABAYA)

sEOleh:Laylia Nur Afidah

.

Laylia Nur Afidah

Dosen Pembimbing:Dra. Destri Susilaningrum, M.Si.

JURUSAN STATISTIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKNOLOGI SEPULUH NOPEMBERSURABAYA2011

LATAR BELAKANG

Tahun 2009 terjadi

57.726PERMASALAHAN

PENELITIAN

57.726kasus kecelakaan lalulintas di Indonesia(Dephub, 2010)

TUJUAN PENELITIAN

MANFAAT

Tahun 1998 penyebabkematian tertinggi ke‐9 di dunia adalah PENELITIAN

BATASAN MASALAH

di dunia adalah

KECELAKAAN LALU LINTAS

Kecelakaan lalu lintas di Surabaya tahun 2010 menyebabkan:•Meninggal dunia: 324 korban

Prediksi WHO: tahun 2020 kecelakaan lalu

lintas penyebab kematian tertinggi ke‐3 dunia

•Luka berat: 240 korban•Luka ringan: 377 korbanSedangkan di kawasan hukumJ j P l b S b

Triwulan I 2010: Jumlah kecelakaan lalu lintas

Surabaya peringkat ke‐5 di JATIM

Jajaran Polrestabes Surabaya :•Meninggal dunia: 193 korban•Luka berat: 188 korban•Luka ringan: 126 korban

2

g

LATAR BELAKANG

Wahernika (2006)

PERMASALAHAN PENELITIAN

Wahernika (2006) meneliti kecelakaan lalulintas di Jajaran Polres

Madiun dengan

li i k d i

jenis kecelakaanmemiliki hubungan

dengan waktu kejadiankecelakaan

TUJUAN PENELITIAN

MANFAAT

analisis korespondensi

Indriani dan Indawati(2005) mengestimasi

tingkat keparahan korbankecelakaan berhubungan

Faktor‐faktor yang mempengaruhi

keparahan korbanPENELITIAN

BATASAN MASALAH

(2005) mengestimasitingkat kecelakaan Kota

Surabaya dengan

loglinier dua dimensi

kecelakaan berhubungandengan jenis kendaraandan interaksi antarawaktu dengan musimterjadinya kecelakaan

pkecelakaan lalu lintas dikawasan hukum JajaranPolrestabes Surabaya

j y

Ismail dan Jemain (2005) memodelkan risiko

kecelakaan di Malaysia

Terdapat hubungan antarajumlah kecelakaan lalu

lintas dengan jenis kelaminkecelakaan di Malaysia dengan

Generalized Poisson Regression

lintas dengan jenis kelaminkorban kecelakaan, umurkendaraan, dan kawasanterjadinya kecelakaan

3

LATAR BELAKANG


Keparahankorban

TUJUAN PENELITIAN

MANFAAT Meninggal L k b t LukaPENELITIAN

BATASAN MASALAH

Meninggaldunia Luka berat Luka

ringan

Y=0 Y=1 Y=2

4REGRESI LOGISTIK MULTINOMIAL

LATAR BELAKANG

PERMASALAHAN PENELITIAN1. Bagaimanakah karaketristik korban

kecelakaan lalu lintas di Kota Surabaya padaTUJUAN

PENELITIAN

MANFAAT

kecelakaan lalu lintas di Kota Surabaya padatahun 2010?

2. Bagaimanakah pemodelan regresi logistikmultinomial untuk tingkat keparahan korban PENELITIAN

BATASAN MASALAH

multinomial untuk tingkat keparahan korbankecelakaan lalu lintas Kota Surabaya berdasarkan faktor-faktor yang mempengaruhinya?mempengaruhinya?

3. Bagaimanakah besar risiko berdasarkantingkat keparahan korban kecelakaan lalulintas?lintas?

5

LATAR BELAKANG

PERMASALAHAN PENELITIAN1. Mendapatkan deskripsi karaketristik korban

kecelakaan lalu lintas di Kota Surabaya padat h 2010 TUJUAN

PENELITIAN

MANFAAT

tahun 2010.

2. Mendapatkan model tingkat keparahan korbankecelakaan lalu lintas Kota Surabaya b d k f kt f kt PENELITIAN

BATASAN MASALAH

berdasarkan faktor-faktor yang mempe-ngaruhinya dengan regresi logistik multinomial.

3. Mendapatkan besar risiko masing-masingti k t k h k b k l k l l li ttingkat keparahan korban kecelakaan lalu lintas

6

LATAR BELAKANG


Diperoleh faktor‐faktor yang berpengaruh terhadap keparahan

korban kecelakaan lalu lintasTUJUAN

PENELITIAN

MANFAAT Satlantas Polrestabes SurabayaPENELITIAN

BATASAN MASALAH

Satlantas Polrestabes Surabaya memberikan perhatian yang lebih

faktor‐faktor dijadikan referensiuntuk antisipasi jatuhnya korban

kecelakaan lalu lintas

7

LATAR BELAKANG


TUJUAN PENELITIAN

MANFAAT Penelitian dibatasi pada

DATA VARIABEL PENELITIANPENELITIAN

BATASAN MASALAH

DATA VARIABEL PENELITIAN YANG SUDAH TERSEDIA

dalam data kecelakaan lalulintas di Kota Surabaya yang y y gberada di kawasan hukum

Jajaran Polrestabes Surabaya

8

TINJAUAN STATISTIKA TINJAUAN NON STATISTIKA

STATISTIKA DESKRIPTIFSTATISTIKA DESKRIPTIF

Statistika deskriptif adalah metode‐pmetode yang berkaitan dengan

pengumpulan dan penyajian suatu gugusdata sehingga memberikan informasi

yang berguna (Walpole, 1993).yang berguna (Walpole, 1993).

Statistika deskriptif hanya memberikaninformasi mengenai data yang ada dansama sekali tidak menarik inferensia

atau kesimpulan apapun tentang gugusinduknya yang lebih besar.

9


UJI INDEPENDENSISTATISTIKA DESKRIPTIFUJI INDEPENDENSISTATISTIKA DESKRIPTIF

Uji independensi bertujuan untuk mengetahui adanya hubungan j p j g y gantara dua variabel. Hipotesis yang digunakan adalah sebagai berikut (Agresti, 2002). H0 : Tidak ada hubungan antara variabel Y dan X H1 : Ada hubungan antara variabel Y dan X Statistik uji yang digunakan pada uji independensi adalah uji Pearson Chi‐square berikut.

dengan J = banyaknya kategori variabel Y I = banyaknya kategori variabel XI = banyaknya kategori variabel X

H0 ditolak apabila dengan derajat bebas sebesar

.

10


REGRESI LOGISTIK MULTINOMIALUJI INDEPENDENSIREGRESI LOGISTIK MULTINOMIALUJI INDEPENDENSI

Regresi Multinomial membentuk fungsi logit,dengan membandingkan Y=1 dan Y=2 terhadap Y=0

Probabilitas respon atau model regresi logistik membandingkan Y=1 dan Y=2 terhadap Y=0. Bentuk model regresi logistik yang berupa fungsi peluang dengan p variabel prediktor: Regresi logistik multinomial

merupakan perluasan dari

multinomial dengan variabel respon berskala nominal tiga kategori :

Transformasi logit akan menghasilkan dua fungsi logit sebagai berikut, dengan menetapkan bahwa .

merupakan perluasan dariregresi logistik dengan responbiner yang dapat menangani

berikut, dengan menetapkan bahwa .

biner yang dapat menanganivariabel respon dengank t i l bih d i d

kategori lebih dari dua.

11


ESTIMASI PARAMETERREGRESI LOGISTIK MULTINOMIALESTIMASI PARAMETERREGRESI LOGISTIK MULTINOMIAL

Menggunakan metode MLE

Dengan memberi ln pada kedua sisi persamaan di atas, diperoleh persamaanberikut ini.

Estimasi parameter diperoleh dari turunan pertama di atas.

Dengan ; ; dan , sedangkan merupakan penyederhanaan dari .

12


UJI PARAMETER INDIVIDUESTIMASI PARAMETERUJI PARAMETER INDIVIDUESTIMASI PARAMETER

Hipotesis yang digunakan adalah sebagai berikut.

dengan

Statitik uji yang digunakan adalah statistik uji Wald Statitik uji yang digunakan adalah statistik uji Wald sebagai berikut (Hosmer dan Lemeshow, 2000).

Dengan adalah taksiran standar error parameter H ditolak jika atau parameter. H0 ditolak jika atau

dengan derajat bebas

13


UJI PARAMETER SERENTAKUJI PARAMETER INDIVIDUUJI PARAMETER SERENTAKUJI PARAMETER INDIVIDU

Uji serentak dilakukan untuk mengetahui signifikansi parameter yangberpengaruh secara serentak terhadap variabel respon. Hipotesis:

paling sedikit terdapat satu dengan

Statistik uji yang digunakan adalah statistik uji G atau likelihood ratio testsebagai berikut.

dengan adalah banyaknya observasi yang berkategori 1, dan adalah banyaknya observasi yang berkategori 0.

H0 ditolak jika dengan derajat bebas . G

14

0 j g j

mengikuti distribusi Chi‐square dengan derajat bebas p.


UJI KESESUAIAN MODELUJI PARAMETER SERENTAKUJI KESESUAIAN MODELUJI PARAMETER SERENTAK

Untuk mengetahui apakah model yang diperoleh telah sesuai atau tidak.

H0 : model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model)observasi dengan kemungkinan hasil prediksi model)

H1 : model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model)

Statistik uji Chi‐square seperti pada persamaan berikut.

Dengan j = 0, 1, 2; dan = pearson residual.

H ditolak jika dengan db =

15

H0 ditolak jika dengan db = .


INTERPRETASI MODELUJI KESESUAIAN MODELINTERPRETASI MODELUJI KESESUAIAN MODEL

M ki k b bMenggunakan

Odds ratio

Memperkirakan berapa besarkemungkinan risiko variabel‐variabel prediktor terhadap

variabel respon.Odds ratio variabel respon.

(Hosmer dan Lemeshow, 2000)

16


KECELAKAAN LALU LINTASKECELAKAAN LALU LINTAS

Tingkat keparahan korban kecelakaan lalu lintasKecelakaan lalu lintas adalah suatu peristiwa di jalan yang tidak disangka‐sangka dan tidak disengaja melibatkan kendaraandengan atau tanpa pemakai jalan lainnya, mengakibatkan korban

Tingkat keparahan korban kecelakaan lalu lintas

g p p j y , gmanusia atau kerugian harta benda.(PP Nomor 43 Tahun 1993 Pasal 93 dalam Undang‐Undang Nomor 22 Tahun 2009 )

Meninggal dunia Luka berat Luka ringan

Korban yang dipastikan meninggaldunia sebagai akibatkecelakaan lalu lintas

Korban yang karenaluka‐lukanya

menderita cacattetap atau harus

Korban yang tidaktermasuk dalamkecelakaan lalu lintas

dalam jangka waktupaling lama 30 harisetelah kecelakaan

tetap atau harusdirawat dalam jangkawaktu lebih dari 30 hari sejak terjadi

kategori korbanmeninggal dan

korban luka berat.

17

tersebut. kecelakaan.

PP Nomor 43 Tahun 1993 Pasal 93


FAKTOR‐FAKTOR YANG MEMPENGARUHI KECELAKAAN LALU LINTASKECELAKAAN LALU LINTASKECELAKAAN LALU LINTAS

Faktor ManusiaFaktor Manusia

Faktor‐faktorpenyebab

Faktor Kendaraan

penyebabkecelakaan lalu lintas

Faktor Jalan

Faktor Cuaca

18

Faktor Cuaca

Data Sekunder

SUMBER DATA

VARIABEL PENELITIAN

• Terdiri dari 507 data korban kecelakaan

kawasan hukum Jajaran Polrestabes Surabaya

METODE ANALISIS DATAselama tahun 2010

1. Bubutan2. Krembangan3 A

8. Tambaksari9. Simokerto10 Kenjeran

15. Gubeng16. Rungkut17 Mulyorejo

22. Sukomanunggal23. Lakarsantri24 Wiyung3. Asemrowo

4. Tegalsari5. Dukuh Pakis6. Genteng

10. Kenjeran11. Wonokromo12. Wonocolo13. Gayungan

17. Mulyorejo18. Sukolilo19. Tandes20. Pakal

24. Wiyung25. Karangpilang26. Jambangan

g7. Sawahan 14. Tenggilis 21. Benowo

19

i b l Sk l / i

No Variabel Skala/Kategori

5 Peran NominalNo Variabel Skala/Kategori

1 Keparahankorbankecelakaan lalu

NominalY(0) = korban meninggalY(1) = korban luka berat

5 Peran korban dalam kecelakaan (X4)

NominalX4(0) = pengendaraX4(1) = penumpang kendaraan selain pengendaraX4(2) = pengguna jalan non penumpang kendaraan

(penyeberang jalan pejalan kaki dll)

SUMBER DATA

VARIABEL PENELITIANkecelakaan lalulintas (Y)

Y(1) = korban luka beratY(2) = korban luka ringan

2 Jenis Nominal

(X4) (penyeberang jalan, pejalan kaki, dll)

6 Jenis kendaraan (X5)

NominalX5(0) = sepeda motor (kendaraan bermotor roda dua atau

tiga)

METODE ANALISIS DATA

kecelakaan (X1) X1(0) = tabrakan belakang (TB)X1(1) = tabrakan depan (TD)X1(2) = tabrakan samping (TS)

X1(3) = hilang kemdali (HK)X1(4) = lain‐lain

3 Jenis kelamin Nominal

(X5) tiga)X5(1) = kendaraan roda empatX5(2) = kendaraan dengan lebih dari empat rodaX5(3) = lain‐lain (sepeda angin, becak, atau kendaraan bukan

bermotor lainnya)3 Jenis kelamin(X2)

NominalX2(0) = laki‐lakiX2(1) = perempuan

bermotor lainnya)7 Waktu

kecelakaan (X6)

NominalX6(0) = padat kendaraan (antara pukul 06.00 WIB – 08.00

WIB, antara pukul 12.00 WIB – 13.30 WIB, antara pukul 16.00 WIB – 18.00 WIB)

4 Usia (X3) OrdinalX3(0) = anak‐anak (0 – 16 tahun)X3(1) = remaja (17 ‐ 21 tahun)

X3(3) = paruh baya (36 – 58 tahun)X3(4) = usia lanjut (lebih dari 58

tahun)

16.00 WIB 18.00 WIB)X6(1) = sepi (selain waktu padat)

8 Tanggal perayaan khusus (X7)

NominalX7(0) = libur hari raya idul fitri, natal, dan tahun baruX7(1) = lainnya

20

3( ) j ( )X3(2) = muda (22 – 35 tahun)

)khusus (X7) X7(1) lainnya

Analisis regresi multinomial secaraindividu

SUMBER DATA

VARIABEL PENELITIANAnalisis regresi multinomial secara

serentak• Pie diagram• Tabulasi silang

1. AnalisisDeskriptif

METODE ANALISIS DATA

Interpretasi terhadap nilai odds ratio

Uji i d d i2. MembuatUji kesesuaian model• Uji independensi• Membuat model regresilogistik multinomial

2. Membuatmodel regresilogistik Dengan

melakukanInterpretasi model secara serentak

logistik multinomialmultinomialmelakukan

Menghitung ketepatan klasifikasimodel

21

model

KETEPATAN KLASIFIKASIINTERPRETASI MODEL SERENTAKUJI KESESUAIAN MODELREGRESI LOGISTIK MULTINOMIAL SECARA SERENTAK

REGRESI LOGISTIK MULTINOMIAL SECARA INDIVIDU

TABULASI SILANG UJI INDEPENDENSISECARA SERENTAKSECARA INDIVIDUANTARA Y DAN XUJI INDEPENDENSI ANTARA Y DAN XKARAKTERISTIK KORBAN

meninggal 3%11%

TB

0%sepeda motor

17%

38%25%

ggdunia

luka berat25%

29%

3% TB

TD

TS

HK

2%19%

mobil

truk65%18%

17%pengendara

penumpang

lainnya37% luka ringan 32% HK

lainnya

79%becak, sepeda angin, jalan kaki

31%laki‐laki

11%

16%31%

12% anak‐anak

remaja

muda

6% libur Hari Raya Idul Fitri, Natal, dan tahun baru

l i

41% jam ramai

j i69%

perempuan

30%

31%paruh baya

usia lanjut94%

lainnya59% jam sepi

22



TABULASI SILANG UJI INDEPENDENSISECARA SERENTAKSECARA INDIVIDUANTARA Y DAN XUJI INDEPENDENSI ANTARA Y DAN XKARAKTERISTIK KORBAN

Variabel Nilai P‐Value KeputusanChi‐square

p

Jenis kecelakaan (X1) 41,887 0,000 Tolak H0

Jenis kelamin (X2) 0,274 0,872 Terima H0Usia (X3) 14,323 0,074 Terima H0Peran korban dalam 12,497 0,014 Tolak H0kecelakaan (X4)

0

Jenis kendaraan (X5) 7,005 0,320 Terima H0

Waktu kecelakaan (X6) 0,221 0,896 Terima H0

Tanggal perayaan kh (X )

1,224 0,542 Terima H0

23

khusus(X7)



TABULASI SILANG UJI INDEPENDENSISECARA SERENTAKSECARA INDIVIDUANTARA Y DAN XUJI INDEPENDENSI ANTARA Y DAN X

Variabel Prediktor Keparahan Korban Kecelakaan (%) Jumlah(%)Meninggal Dunia Luka Berat Luka Ringan

Variabel Prediktor Keparahan Korban Kecelakaan (%) Jumlah(%)Meninggal Dunia Luka Berat Luka Ringan (%)Meninggal Dunia Luka Berat Luka Ringan

Jenis kecelakaan (X1)TB 8,09 7,30 9,27 24,65TD 11,83 14,20 6,11 32,15

Peran korban dalam kecelakaan (X4)Pengendara 25,25 23,87 16,17 65,29

Penumpang 4,34 7,89 5,52 17,75

Lainnya 8 48 5 33 3 16 16 96, , , ,TS 9,27 12,62 7,50 29,39HK 1,58 0,99 0,79 3,35Lainnya 7,30 1,97 1,18 10,45Jenis kelamin (X2)

Lainnya 8,48 5,33 3,16 16,96Jenis kendaraan (X5)Sepeda motor 28,60 28,60 21,50 78,70

Mobil, pickup 0,59 0,79 0,20 1,58Jenis kelamin (X2)Laki‐laki 26,43 26,04 16,77 69,23Perempuan 11,64 11,05 8,09 30,77Usia (X3)Anak anak 3 16 3 35 4 14 10 65

Truk 0,20 0,20 0,00 0,39Selain kendaraan bermotor

8,68 7,50 3,16 19,33

Waktu kecelakaan (X6)Anak‐anak 3,16 3,35 4,14 10,65Remaja 5,52 5,92 4,54 15,98Muda 10,65 12,03 7,89 30,57Paruh baya 12,62 12,23 6,31 31,16

Jam ramai 15,78 15,19 9,66 40,63Jam sepi 22,29 21,89 15,19 59,37Tanggal perayaan khusus (X7)Libur hari Raya Idul Fitri, 2,17 1,58 1,78 5,52

24

Usia lanjut 6,11 3,55 1,97 11,64Natal, tahun baru

Hari biasa 35,90 35,50 23,08 94,48



TABULASI SILANG SECARA SERENTAKSECARA INDIVIDUANTARA Y DAN X

Logit Kategori Variabel Prediktor Wald P‐Value B Exp(B)Jenis Kecelakaan (X1)

1 Konstanta 13 578 0 000 ‐1 0991 Konstanta 13,578 0,000 1,099X1(0) = TB 7,070 0,008*) 0,996 2,707X1(1) = TD 13,737 0,000*) 1,281 3,600X1(2) = TS 15,745 0,000*) 1,407 4,085X1(3) = Lainnya Pembanding

2 K 18 509 0 000 1 5042 Konstanta 18,509 0,000 ‐1,504X1(0) = TB 16,033 0,000*) 1,641 5,159X1(1) = TD 4,159 0,041*) 0,844 2,325X1(2) = TS 9,823 0,002*) 1,292 3,638X1(3) = Lainnya Pembanding1( ) y g

Peran korban dalam kecelakaan (X4)1 Konstanta 3,529 0,058 ‐0,465

X4(0) = Pengendara 2,192 0,139*) 0,409 1,505X4(1) = Penumpang 8,646 0,003*) 1,063 2,896X (2) = Lainnya PembandingX4(2) = Lainnya Pembanding

2 Konstanta 11,397 0,001 ‐0,989X4(0) = Pengendara 2,791 0,095*) 0,543 1,722X4(1) = Penumpang 9,060 0,003*) 1,230 3,420X4(2) = Lainnya Pembanding

25 *)Signifikan pada α = 15%


REGRESI LOGISTIK MULTINOMIAL SECARA INDIVIDUSECARA SERENTAKSECARA INDIVIDU

Logit Prediktor B Wald P‐Value Exp(B)

1 Konstanta ‐1,850 21,224 0,000

Efek Uji Rasio LikelihoodChi Square Derajat Bebas P‐Value

X1(0) = TB 0,982 6,662 0,010*) 2,669

X1(1) = TD 1,478 17,175 0,000*) 4,384

X1(2) = TS 1,607 19,265 0,000*) 4,990

Konstanta 0 0X1 41,086 6 0,000X 16 557 4 0 002

X1(3) = Lainnya PembandingX4(0) = Pengendara 0,607 4,453 0,035*) 1,835

X4(1) = Penumpang 1,426 13,742 0,000*) 4,164

X4(2) = Lainnya PembandingX4 16,557 4 0,002X4(2) Lainnya Pembanding2 Konstanta ‐2,168 21,418 0,000

X1(0) = TB 1,626 15,427 0,000*) 5,084

X1(1) = TD 1,019 5,819 0,016*) 2,769

Secara serentak variabel prediktorberpengaruh terhadap respon

X1(2) = TS 1,470 12,155 0,000*) 4,350

X1(3) = Lainnya PembandingX4(0) = Pengendara 0,544 2,586 0,108*) 1,723

X (1) = Penumpang 1 276 8 704 0 003*) 3 583

26

X4(1) = Penumpang 1,276 8,704 0,003 ) 3,583

X4(2) = Lainnya Pembanding

KETEPATAN KLASIFIKASIINTERPRETASI MODEL SERENTAKUJI KESESUAIAN MODELREGRESI LOGISTIK MULTINOMIAL SECARA SERENTAKSECARA SERENTAK

H0: model sesuai (tidak ada perbedaan antarah il b i d h il dik i d l)hasil observasi dengan hasil prediksi model)

H1: model tidak sesuai (ada perbedaan antarahasil observasi dengan hasil prediksi model)hasil observasi dengan hasil prediksi model)

Chi‐square Derajat P‐ValueBebas

Pearson 9,087 12 0,696

Terima H0 menunjukkan bahwad l t l h dih ilk i

27

model yang telah dihasilkan sesuai

KETEPATAN KLASIFIKASIINTERPRETASI MODEL SERENTAKUJI KESESUAIAN MODEL

(untuk respon meninggal dunia)

Jenis Kecelakaan Peran Korban Tingkat KeparahanMeninggal Dunia Luka Berat Luka Ringan

TB Pengendara 0 361 0 278 0 361 (untuk respon luka berat)

(untuk respon luka ringan)

TB Pengendara 0,361 0,278 0,361

Penumpang 0,207 0,362 0,431

Lainnya 0,500 0,210 0,291TD Pengendara 0 356 0 450 0 194

Dengan fungsi logit sebagai berikut.

TD Pengendara 0,356 0,450 0,194

Penumpang 0,200 0,573 0,227

Lainnya 0,498 0,344 0,158TS Pengendara 0 303 0 437 0 260

TS Pengendara 0,303 0,437 0,260

Penumpang 0,165 0,540 0,295

Lainnya 0,438 0,344 0,218Lainn a Pen endara 0 673 0 194 0 133Lainnya Pengendara 0,673 0,194 0,133

Penumpang 0,484 0,317 0,199

Lainnya 0,786 0,124 0,090

28

KETEPATAN KLASIFIKASIINTERPRETASI MODEL SERENTAK

Observasi Prediksi Ketepatan (%)Meninggal Luka Luka (%)Meninggal

DuniaLuka Berat

Luka Ringan

Meninggal Dunia 84 72 37 43,5%

Luka Berat 40 112 36 59 6%

C

Luka Berat 40 112 36 59,6%

Luka Ringan 24 56 46 36,5%

Ketepatan K l h (%)

29,2% 47,3% 23,5% 47,7%Keseluruhan (%)

Kurang dari 50%

Kemungkinan disebabkan:d d l k

29

•Metode pemodelan kurang tepat•Variabel prediktor kurang

KESIMPULANSARAN

1. Korban kecelakaan lalu lintas di Surabaya untuk kawasan hukum Jajaran2 Variabel yang berpengaruh terhadap keparahan korban berdasarkan penelitian ini adalah jenis3. Peran korban sebagai lainnya, yaitu korban yang 1. Korban kecelakaan lalu lintas di Surabaya untuk kawasan hukum Jajaran

Polrestabes Surabaya pada tahun 2010, dari sebanyak 507 korban:

• 38 persen meninggal dunia, 37 persen luka berat, dan 25 persen luka ringan.

2. Variabel yang berpengaruh terhadap keparahan korban berdasarkan penelitian ini adalah jeniskecelakaan dan peran korban saat terjadi kecelakaan. fungsi logit yang dihasilkan:

g y y y gmerupakan pengguna jalan selain penggunakendaraan seperti penyeberang jalan atau pejalan

• 32 persen mengalami tabrak depan. • 69 persen korban berjenis kelamin laki‐laki• usia terbanyak korban adalah usia paruh baya (36 sampai 58 tahun).

Dengan ketepatan klasifikasi hanya sebesar 47,7%.

kaki, memiliki peluang meninggal dunia terbesarpada semua jenis kecelakaan. Sedangkan perankorban sebagai penumpang memiliki peluang• mayoritas korban adalah pengendara.

• 79 persen korban menggunakan sepeda motor • Korban terbanyak justru mengalami kecelakaan pada jam sepi• 6 persen korban kecelakaan mengalami kecelakaan pada libur Hari Raya

korban sebagai penumpang memiliki peluangmengalami luka berat dan luka ringan terbesar padasetiap jenis kecelakaan. • 6 persen korban kecelakaan mengalami kecelakaan pada libur Hari Raya

Idul Fitri, Natal, dan tahun baru• 94 persen korban lainnya mengalami kecelakaan pada hari biasa.

p j

30

KESIMPULANSARAN

Model yang dihasilkan dalam penelitian iniModel yang dihasilkan dalam penelitian inimenghasilkan ketepatan klasifikasi yang kecil, sehingga dalam penelitian berikutnya, gg p ydisarankan untuk memodelkan dengan metode lain yang kemungkinan dapat menghasilkan ketepatanklasifikasi yang lebih besar seperti memodelkandengan metode bagging regresi logistikmultinomialmultinomial.

31

Agresti A 2002 Categorical Data Analysis Second EditionIsmail N dan Jemain A A 2005 Generalized PoissonAgresti, A., 2002. Categorical Data Analysis, Second Edition. New York: John Wiley & Sons, Inc.

Alleyne R., 2010. Middle Age Begins at 35 and Ends at 58. (O li ) (htt // t l h k/h lth/h lth /

Ismail, N. dan Jemain, A. A., 2005. Generalized Poisson Regression: an Alternative for Risk Classification. Jurnal Teknologi Universiti Teknologi Malaysia, 43(C): 39–54.

2010 l l l i(Online). (http://www.telegraph.co.uk/health/healthnews/7458147/Middle-age-begins-at-35-and-ends-at-58. html). Diakses Senin, 13 Juni 2011 pukul 20:32.

Kasman, D., 2010. Kampanye Keselamatan Berlalu Lintas.(Online). (http://www. probolinggokab.go.id/site/index.php?option=com_content&task=view&id=2363&Itemid=

Andi, 2010. Empat Faktor yang Mempengaruhi Kecelakaan Lalulintas. (Online). (http://ditlantaspoldariau.com/pro/index.php?option=com content&view=article&id=178:e

p p p _92). Diakses Jumat 3 Desember 2010 pukul 15:42.

Rachman, R. R., 2010. Evaluasi Accident Cost MahasiswaUniversitas Airlangga Surabaya. Skripsi tidak diterbitkan.p p p _mpat-faktor-yang-mempengaruhi-kecelakaan-lalu lintas&catid=37:infoma syarakat&Itemid=64). Diakses Jumat 3 Desember 2010 pukul 13:14

Universitas Airlangga Surabaya. Skripsi tidak diterbitkan.Surabaya: Institut Teknologi Sepuluh NopemberSurabaya.

Rashid M 2008 Inference on Logistic Regression ModelsJumat, 3 Desember 2010 pukul 13:14.Anonim1, 2010. Explorer Lalu Lintas, Road Safety. (Online).

(http://satlantaspolresrejanglebong.blogspot.com/p/peneml l l li t ht l) Di k S l 16 N b

Rashid, M., 2008. Inference on Logistic Regression Models. Disertasi. Ohio: Department of Mathematics andStatistics at Bowling Green State University.

32

u-lampu-lalu lintas.html). Diakses Selasa, 16 November 2010 pukul 23:59.

Anonim2, 2010. Tekan Korban Kecelakaan, Polda Buat Zona

g yUndang-Undang Nomor 22 Tahun 2009 tentang Lalu Lintas dan

Angkutan Jalan. Undang-Undang Republik Indonesia Nomor 14 Tahun 1992

Documents

POLA TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU …digilib.its.ac.id/public/ITS-Undergraduate-16073-1307100027... · Estimasi parameter diperoleh dari turunan pertama di atas. ... Dengan