PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON …

TUGAS AKHIR – SS 145561

PEMETAAN KECELAKAAN LALU LINTAS

PADA TIAP RAYON POLRES DI JAWA TIMUR

DENGAN PENDEKATAN ANALISIS KORESPONDENSI

CICILIA AJENG PRATIWI NRP 1313 030 034 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016

TUGAS AKHIR – SS 145561

PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON POLRES DI JAWA TIMUR DENGAN PENDEKATAN ANALISIS KORESPONDENSI CICILIA AJENG PRATIWI NRP 1313 030 034 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016

FINAL PROJECT – SS 145561

MAPING OF THE TRAFFIC ACCIDENT LEVEL IN EACH POLICE DISTRICT OF EAST JAVA WITH ANALYSIS OF CORRESPONDENCE APPROACH CICILIA AJENG PRATIWI NRP 1313 030 034 Supervisor Dr. Wahyu Wibowo, S.Si, M.Si DIPLOMA III STUDY PROGRAM DEPARTEMENT OF STATISTICS Faculty of Mathematics and Natural Sciences Institut Teknologi Sepuluh Nopember Surabaya 2016

LEMBAR PENGESAIIAN

PE\{ETAAN KECELAKAAI\ LALU LINTAS PADATI TP RAYON POLRES DI JAWA TIMUR DENGAI\

PE \-DEKATAI\ ANALISIS KORESPONDENSI

TUGAS AKIIIRDiejukan Untuk Memenuhi Salah Safu Syarat

Memperoleh Gelar Ahli MadYaPada

Pnogram Studi Diploma III Jurusan Statistika;rLultas Matematika dan Ilmu Pengetahuan Alam

I nstitut Teknologi Sepuluh Nopember

Oleh:CICILIA AJENG PRATIWI

NRP. 1313 030 034

.-:r urrr oleh Pembimbing Tugas Akhir:

," r* r rr u \\' ibowo. S-Si. M.Si" !' : r".+432E 199802 1 001

{r$hrtyyy_f8

MengetahuiKetua Jurusan Statistika FMIPA-ITS

: l

. . i ' -

.?n,Qf. sunartono\rP. 19710929 L99512 1 001

ST'RABAYA, JTJM 2016

xi

KATA PENGANTAR

Alhamdulillah, segala puji bagi Allah, Tuhan semesta alam atas berkat rahmat, hidayah, dan karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir yang berjudul “PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON POLRES DI JAWA TIMUR DENGAN PENDEKATAN ANALISIS KORESPONDENSI”. Penulis tidak lupa mengucapkan banyak terima kasih kepada berbagai pihak yang telah bersedia membantu, mendukung, dan membimbing dalam penyususnan Tugas Akhir ini. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dr. Wahyu Wibowo, S.Si, M.Si selaku dosen

pembimbing dan Ketua Prodi D-III Statistika ITS yang telah mendukung, memberi motivasi, dan membimbing penulis dalam menyelesaikan Tugas Akhir ini.

2. Ibu Dra. Sri Mumpuni Retnaningsih, MT selaku dosen wali dan dosen penguji yang selalu memberikan dukungan, motivasi, saran, kritik yang membangun dan membagi pengalamannya kepada penulis.

3. Bapak Prof. Dr. I Nyoman Budiantara, M.Si. selaku dosen penguji yang telah memberikan saran dan kritiknya yang membangun.

4. Bapak Dr. Suhartono selaku Ketua Jurusan Statistika, FMIPA ITS

5. Dosen Statistika maupun petugas TU yang banyak membantu dalam kelancaran penyelesaian Tugas Akhir penulis.

6. Ibu Handayati dan Dimas Agung Dermawan selaku pihak Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur yang memberikan bantuan untuk mendapatkan data yang digunakan dan dukungan penulis untuk menyelesaikan Tugas Akhir ini.

xii

7. Bapak Ngadianto dan Bapak Sulis selaku pihak Kepolisian yang memberikan arahan, saran, dan bantuan dalam menyelesaikan Tugas Akhir ini.

8. Bapak Tutur Sunyoto dan Ibu Susilowati sebagai orangtua penulis yang selalu memberikan doa terbaik, kasih sayang, semangat, dan memotivasi penulis sehingga dapat menyelesaikan Tugas Akhir ini.

9. Titus Wahibi Hidayat sebagai adik penulis yang selalu memberikan semangat penulis dalam menyelesaikan Tugas Akhir ini.

10. Fuad Cholidi Arifin sebagai seseorang yang selalu memberikan doa, semangat, dukungan, bantuan, dan menjadi penyemangat setiap harinya bagi penulis untuk bisa menyelesaikan Tugas Akhir ini.

11. Annisa, Wiwin, Sendy, Milan, Dimas F, Sabella, Riskha, Dita, Elok, Amik, Farah, Vio, Rima, Inung, Nanda, Ani, Titik, Shinta, Wulan, Novy, Intan, Linda yang selalu memberikan doa, semangat, dan dukungan penulis untuk menyelesaikan Tugas Akhir ini.

12. Seluruh teman-teman mahasiswa Diploma III Statistika ITS 2013 telah memberikan semangat dan dorongan sehingga terselesaikannya Tugas Akhir ini.

13. Semua pihak yang membantu selama penyusunan Tugas Akhir ini.

Penulis sangat berharap hasil Tugas Akhir ini dapat memberikan manfaat bagi pembaca dan dapat dijadikan bahan pertimbangan dalam pengerjaan tugas akhir berikutnya serta saran dan kritik yang bersifat membangun guna perbaikan di masa mendatang.

Surabaya, Juni 2016

Penulis

xiii

DAFTAR ISI

Halaman HALAMAN JUDUL ...................................................................... i LEMBAR PENGESAHAN .......................................................... v ABSTRAK ................................................................................... vii ABSTRACT ................................................................................... ix KATA PENGANTAR .................................................................. xi DAFTAR ISI ...............................................................................xiii DAFTAR TABEL ........................................................................ xv DAFTAR GAMBAR ................................................................ xvii DAFTAR LAMPIRAN .............................................................. xix BAB I PENDAHULUAN

1.1 . Latar Belakang ................................................................ 1 1.2 . Perumusan Masalah ....................................................... 3 1.3 . Tujuan Penelitian ........................................................... 4 1.4 . Batasan Masalah ............................................................. 4 1.5 . Manfaat Penelitian .......................................................... 4

BAB II TINJAUAN PUSTAKA 2.1 Tabel Kontingensi ........................................................... 5 2.2 Uji Independensi ............................................................. 5 2.3 Analisis Korespondensi ................................................... 6

2.3.1 Matriks Data .......................................................... 7 2.3.2 Singular Value Decomposition (SVD) .................. 9 2.3.3 Dekomposisi Inersia ............................................ 10 2.3.4 Jarak Euclidean ................................................... 12

2.4 Kecelakaan Lalu Lintas ................................................. 12 BAB III METODOLOGI PENELITIAN

3.1 Sumber Data .................................................................. 15 3.2 Variabel Penelitian ........................................................ 15 3.3 Langkah Analisis dan Diagram Alir ............................. 20

BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1 Pola Kecenderungan Keparahan Korban

Kecelakaan Lalu Lintas ................................................. 24 4.2 Pola Kecenderungan Usia Korban

xiv

Kecelakaan Lalu Lintas ................................................. 30 4.3 Pola Kecenderungan Pendidikan Korban

Kecelakaan Lalu Lintas ................................................. 37 4.4 Pola Kecenderungan Kendaraan yang Terlibat

Dalam Kecelakaan Lalu Lintas ..................................... 44 BAB V PENUTUP

5.1 Kesimpulan ................................................................... 53 5.2 Saran ............................................................................. 54

DAFTAR PUSTAKA ................................................................. 55 LAMPIRAN ................................................................................ 57 BIODATA PENULIS ................................................................. 81

xv

DAFTAR TABEL

Halaman Tabel 2.1 Tabel Kontingensi Dua Dimensi ................................ 5 Tabel 2.2 Bentuk Umum Tabel Profil Baris dan Kolom ........... 8 Tabel 3.1 Variabel Penelitian ................................................... 16 Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya ......... 16 Tabel 3.3 Struktur Data Keparahan Korban ............................ 19 Tabel 3.4 Struktur Data Usia Korban ...................................... 19 Tabel 3.5 Struktur Data Pendidikan Korban ............................ 19 Tabel 3.6 Struktur Data Jenis Kendaraan Terlibat ................... 20 Tabel 4.1 Reduksi Dimensi Keparahan Korban ...................... 25 Tabel 4.2 Output Profil Baris Keparahan Korban.................... 25 Tabel 4.3 Output Profil Kolom Keparahan Korban ................. 26 Tabel 4.4 Koordinat Profil Baris Keparahan Korban .............. 27 Tabel 4.5 Koordinat Profil Kolom Keparahan Korban ............ 28 Tabel 4.6 Jarak Euclidean Keparahan Korban ........................ 30 Tabel 4.7 Reduksi Dimensi Usia Korban ................................ 31 Tabel 4.8 Output Profil Baris Usia Korban ............................. 32 Tabel 4.9 Output Profil Kolom Usia Korban ........................... 33 Tabel 4.10 Koordinat Profil Baris Usia Korban ........................ 35 Tabel 4.11 Koordinat Profil Kolom Usia Korban ..................... 35 Tabel 4.12 Jarak Euclidean Usia Korban .................................. 37 Tabel 4.13 Reduksi Dimensi Pendidikan Korban ...................... 38 Tabel 4.14 Output Profil Baris Pendidikan Korban ................... 39 Tabel 4.15 Output Profil Kolom Pendidikan Korban ................ 40 Tabel 4.16 Koordinat Profil Baris Pendidikan Korban .............. 41 Tabel 4.17 Koordinat Profil Kolom Pendidikan Korban ........... 42 Tabel 4.18 Jarak Euclidean Pendidikan Korban ........................ 43 Tabel 4.19 Reduksi Dimensi Kendaraan yang Terlibat Kecelakaan ............................................................... 45 Tabel 4.20 Output Profil Baris Kendaraan yang Terlibat Kecelakaan ............................................................... 46 Tabel 4.21 Output Profil Kolom Kendaraan yang Terlibat Kecelakaan ............................................................... 47

xvi

Tabel 4.22 Koordinat Profil Baris Kendaraan yang Terlibat ..... 48 Tabel 4.23 Koordinat Profil Kolom Kendaraan yang Terlibat .. 49 Tabel 4.24 Jarak Euclidean Kendaraan yang Terlibat Kecelakaan ............................................................... 51

xvii

DAFTAR GAMBAR

Halaman Gambar 3.1 Diagram Alir Penelitian ...................................... 22 Gambar 4.1 Jumlah Korban Kecelakaan ............................... 23 Gambar 4.2 Plot Korespondensi Keparahan Korban .............. 29 Gambar 4.3 Plot Korespondensi Usia Korban ........................ 36 Gambar 4.4 Plot Korespondensi Pendidikan Korban ............. 43 Gambar 4.5 Plot Korespondensi Kendaraan yang Terlibat Kecelakaan ............................................ 50

xix

DAFTAR LAMPIRAN

Halaman Lampiran 1 Data Keparahan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 57 Lampiran 2 Data Usia Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 58 Lampiran 3 Data Pendidikan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 59 Lampiran 4 Data Kendaraan yang Terlibat Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 .... 60 Lampiran 5 Output Uji Independensi ..................................... 61 Lampiran 6 Output Pola Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon ........... 63 Lampiran 7 Output Pola Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon ........... 67 Lampiran 8 Output Pola Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon ........... 71 Lampiran 9 Output Pola Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon ........... 75

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan salah satu Negara yang memiliki kepadatan penduduk yang tinggi. Khususnya Provinsi Jawa Timur merupakan salah satu provinsi yang memiliki kepadatan penduduk tertinggi kedua di Indonesia sebesar 38.847.600 jiwa setelah Provinsi Jawa Barat pada tahun 2015 menurut data BPS. Hal tersebut sering dihubungkan dengan berbagai permasalahan salah satunya permasalahan transportasi yang berujung pada terjadinya kecelakaan lalu lintas akibat banyaknya kendaraan yang memadati tiap ruas jalan raya. Kecelakaan lalu lintas merupakan masalah yang membutuhkan penanganan serius agar korban kecelakaan tidak semakin meningkat. Pada Provinsi Jawa Timur terdapat Kota Surabaya yang merupakan kota metropolitan kedua setelah Ibukota Jakarta sehingga kebanyakan penduduk memilih mengadu nasib di Surabaya yang menyebabkan kepadatan penduduk semakin tinggi dengan jumlah kendaraan yang cukup tinggi. Sebagian besar penduduk lebih memilih untuk menghindari kemacetan di jalan yaitu dengan mengendarai sepeda motor sehingga menyebabkan tingginya jumlah kendaraan roda dua. Hal tersebut yang memicu tingginya angka kecelakaan di kab/kota Provinsi Jawa Timur.

Berbagai kejadian kecelakaan terjadi pada anak seusia SD, SLTP, SLTA, dst dengan keparahan korban bermacam-macam seperti korban mengalami luka ringan, luka berat, atau bahkan meninggal dunia. Kejadian kecelakaan lalu lintas di Jawa Timur mengalami peningkatan dari tahun 2014 dengan jumlah 18.896 kejadian menjadi 20.531 kejadian pada tahun 2015 menurut data Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur. Jumlah korban kecelakaan berdasarkan keparahan korban yang meninggal dunia pada tahun 2014 sebanyak 4.954 korban mengalami peningkatan pada tahun 2015 yaitu sebanyak 5.288 korban. Korban yang mengalami luka

2

ringan 24.288 orang pada tahun 2014 dan mengalami peningkatan jumlah korbannya pada tahun 2015 sebanyak 26.281 orang. Kecelakaan terjadi berdasarkan usia yaitu 16-30 tahun yang merupakan usia yang paling tinggi angka kecelakaan pada tahun 2015 sebanyak 11.990. Jika kecelakaan yang terjadi berdasarkan tingkat pendidikan, pelajar SMA menempati tingkat teratas dengan angka kecelakaan pada tahun 2015 sebanyak 21.986. Kendaraan yang paling sering terlibat dalam kecelakaan lalu lintas adalah sepeda motor berdasarkan data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur tahun 2015.

Berdasarkan data dari Dinas Perhubungan dan LLAJ Provinsi Jawa Timur sebagian besar angka kecelakaan tertinggi terdapat pada usia remaja dalam masa produktif. Hal ini dikarenakan para remaja tersebut kurang memahami tentang rambu, marka, peraturan lalu lintas dan safety riding. Remaja perlu memiliki banyak pengetahuan tentang hal tersebut untuk mengurangi jumlah angka kecelakaan yang terjadi (Jatiputro, 2014). Beberapa upaya telah dilakukan untuk menurunkan tingginya angka kecelakaan di jalan raya yaitu perbaikan infrastruktur, pemasangan rambu-rambu peringatan, dan berbagai hal yang mendukung keselamatan pengguna jalan raya. Segala hal telah dilakukan untuk keselamatan pengguna jalan raya khususnya pengendara sepeda motor, namun masih banyak kecelakaan yang terjadi akibat kelalaian pengguna atau kondisi jalan.

Pada permasalahan kecelakaan lalu lintas di Provinsi Jawa Timur, diperlukan adanya pemetaan wilayah yang menjadi penyumbang utama terjadinya kecelakaan. Pemetaan tersebut didasarkan pada rayon polres di Jawa Timur sesuai keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan sehingga analisis korespondensi lebih cocok digunakan. Analisis korespondensi yang merupakan prosedur grafis yang digambarkan dalam bentuk tabel frekuensi (Johnson & Wichern, 2007). Alasan penggunaan analisis tersebut dikarenakan data yang diperoleh berupa diskrit dan sudah dalam

3

bentuk tabel kontingensi sehingga sesuai jika menggunakan analisis korespondensi. Sebagian besar penelitian terhadap kecelakaan lalu lintas diteliti pada wilayah Surabaya oleh karena itu, dilakukan penelitian angka kecelakaan lalu lintas di Jawa Timur untuk melihat pola kecenderungan pada tiap rayon polres.

Penelitian sebelumnya telah dilakukan oleh Dermawan (2012) menunjukkan bahwa variabel yang berpengaruh signifikan terhadap kecelakaan dengan korban jiwa adalah panjang jalan nasional. Kecelakaan dengan korban luka berat dipengaruhi oleh kepadatan penduduk, panjang jalan nasional, panjang jalan kabupaten dan kepemilikan kendaraan bermotor. Kecelakaan dengan korban luka ringan dipengaruhi oleh kepadatan penduduk, panjang jalan nasional, panjang jalan kabupaten, lebar jalan dan kepemilikan kendaraan bermotor. Damayanti (2014) menyimpulkan bahwa terbentuk 6 cluster polres kota/kabupaten di Provinsi Jawa Timur pada faktor pengemudi, pada cluster kelompok faktor kendaraan dan faktor jalan terbentuk 4 cluster. Saragih (2014) menyatakan bahwa pada analisis regresi multinomial korban yang rentan meninggal dunia dan korban yang mengalami luka berat adalah umur lanjut usia serta korban anak-anak memiliki peluang yang tinggi untuk mengalami luka ringan. Susilo (2010) menyatakan baahwa faktor utama terjadinya kecelakaan lalu lintas di ruas jalan Sukowati Kabupaten Sragen adalah manusia, umur korban kecelakaan lalu lintas yang terbanyak berumur 26-35 tahun untuk mengurangi tingkat kecelakaan yang terjadi yaitu dengan memberikan pendidikan lalu lintas dan sanksi yang tegas pada pengguna jalan.

1.2 Perumusan Masalah Provinsi Jawa Timur merupakan salah satu provinsi dengan

kepadatan penduduk yang cukup tinggi sehingga menimbulkan berbagai permasalahan salah salah satunya masalah kecelakaan lalu lintas. Kecelakaan lalu lintas dari tahun 2014 sampai 2015 mengalami kenaikan. Berdasarkan hal tersebut diperlukan analisis pola kecenderungan dari angka kecelakaan berdasarkan

4

keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan lalu lintas. Diperlukan penanganan untuk mengurangi tingginya korban kecelakaan pada beberapa daerah sekitar polres di Jawa Timur.

1.3 Tujuan Penelitian Tujuan yang ingin dicapai pada penelitian ini adalah

sebagai berikut. 1. Mendapatkan pola kecenderungan keparahan korban

kecelakaan lalu lintas di setiap rayon polres Jawa Timur. 2. Mendapatkan pola kecenderungan usia korban kecelakaan

lalu lintas di setiap rayon polres Jawa Timur. 3. Mendapatkan pola kecenderungan pendidikan korban

kecelakaan lalu lintas di setiap rayon polres Jawa Timur. 4. Mendapatkan pola kecenderungan jenis kendaraan yang

terlibat kecelakaan lalu lintas di setiap rayon polres Jawa Timur.

1.4 Batasan Masalah Batasan masalah pada penelitian ini adalah data rekap

kejadian kecelakaan dari bulan Januari sampai Desember 2015. Pengkategorian usia korban sudah ditetapkan oleh keasatuan Polres di Jawa Timur sehingga tidak ada perubahan kategori.

1.5 Manfaat Penelitian Manfaat yang ingin diperoleh dari penelitian ini adalah

memperoleh hasil pemetaan terhadap kecenderungan terjadinya kecelakaan pada setiap rayon polres di Jawa Timur yang akan dijadikan acuan untuk dilakukan perbaikan mengenai marka, rambu, ataupun perbaikan infrastruktur pada daerah polres yang rawan kecelakaan. Bagi pemerintah Provinsi Jawa Timur dapat dijadikan acuan membuat kebijakan untuk menurunkan angka kecelakaan dan bagi pengguna jalan agar lebih waspada terhadap kecelakaan di jalan raya.

5

BAB II TINJAUAN PUSTAKA

2.1 Tabel Kontingensi Diberikan X dan Y sebagai dua variabel kategori, X dengan I kategori dan Y dengan J kategori. Klasifikasi kedua variabel mempunyai IJ kemungkinan kombinasi. Variabel (X,Y) dipilih secara random dari populasi yang yang mempunyai distribusi peluang. Sebuah tabel persegi panjang mempunyai I baris untuk kategori X dan J kolom untuk kategori Y. Sel pada tabel menunjukkan hasil kemungkinan IJ. Sel dari tabel tersebut terdiri dari jumlah frekuensi sampel, sehingga dikatakan sebagai tabel kontingensi. Tabel kontingensi dengan I baris dan J kolom disebut I x J (Agresti, 2002). Berikut adalah gambaran tabel kontingensi.

Tabel 2.1 Tabel Kontingensi Dua Dimensi

Variabel II (Y) Total 1 2 … J

Variabel I (X)

1 n11 n12 … n1J n1. 2 n21 n22 … n2J n2. . .

.

. . .

.

. . .

.

. I nI1 nI2 … nIJ nI.

Total n.1 n.2 … n.J n..

2.2 Uji Independensi Uji independensi dalam bentuk tabel kontingensi dua

dimensi, H0: independen menggunakan X2 dengan nij pada ni dan dengan jiij n .. pada i

(Agresti, 2002). H0 : Tidak ada hubungan antara dua variabel yang diamati

(independen) H1 : Ada hubungan antara dua variabel yang diamati (dependen)

6

Peluang marginal menetapkan peluang bersama. Untuk menguji H0, maka didefinisikan jiijij nn ..

sebagai nilai

ekspektasi (harapan). Disini ijij E yang diasumsikan

independen. Biasanya .i dan j. tidak diketahui. Berikut estimasi nilai ekspektasi untuk mengganti ukuran sampel jika peluang tidak diketahui maka didapatkan (Agresti, 2002).

....

nnn

E jiij (2.1)

Statistik uji X2 pada tabel kontingensi I x J adalah sebagai berikut.

I

1i

J

1j ij

2ijij2

EEn )(

(2.2)

Dengan df = (IJ – 1) – (I – 1) – (J – 1) = (I – 1)(J – 1) Keterangan: nij : nilai distribusi frekuensi bersama untuk observasi baris

ke-i, kolom ke-j

ijE : nilai ekspektasi dari nij pada observasi baris ke-i, kolom ke-j

Kriteria penolakan untuk hipotesis nol apabila 2

112

,ji

2.3 Analisis Korespondensi Analisis korespondensi merupakan prosedur grafis yang

digambarkan dalam bentuk tabel frekuensi. Pada tabel kontingensi memiliki baris I dan J kolom, plot yang dihasilkan oleh analisis korespondensi berisi dua titik terpenting yaitu titik pertama didasarkan pada baris dan titik kedua didasarkan pada kolom. Hasil dari analisis korespondensi menunjukkan dimensi terbaik untuk mempresentasikan data yang berupa peta persepsi (Johnson & Wichern, 2007).

7

2.3.1 Matriks Data Diberikan X dengan elemen nij, sebuah I x J tabel frekuensi

dua dimensi. Baris dan kolom dari tabel kontingensi X cocok untuk kategori berbeda dari dua karakteristik berbeda. Jika n adalah total frekuensi matriks X, yang pertama dilakukan adalah menyusun matriks proporsi P = {pij} dengan membagi masing-masing elemen dari X dengan n.

n..n

p ijij , i = 1, 2, …, I, j = 1, 2, …, J

atau XP(IxJ)(IxJ) n

1 (2.3)

ij2.1.

.22221

.11211

ppp

pppppp

P (2.4)

Matriks P disebut matriks korespondensi. Kemudian mencari vektor baris r dan kolom c, dan diagonal matriks Dr dan Dc dengan elemen r dan c pada diagonal, sehingga

J

1j .i

ijJ

1jiji n

npr , i = 1, 2, …, I atau

J(Jx1)(IxJ)(Ix1)1Pr (2.5)

I

1i j

jI

1ijj

.nin

ipc , j = 1, 2, …, J atau I

(Ix1)(JxI)(Jx1)1P'c (2.6)

Dimana ir adalah massa baris dan jc adalah massa kolom,

J1 adalah vektor J x 1 dan I1 adalah vektor I x 1. Berikut adalah vektor baris r dan kolom c.

8

J

2

1

I

2

1

c

cc

,

r

rr

c r (2.7)

Tabel 2.2 Bentuk Umum Tabel Profil Baris dan Profil Kolom

Variabel II Massa Baris 1 2 … J

Variabel I

1 p11 p12 … p1J p1. 2 p21 p22 … p2J p2. . .

.

. . .

.

. . .

.

. I pI1 pI2 … pIJ pI.

Massa Kolom p.1 p.2 … p.J 1

Kemudian membentuk diagonal massa matriks baris dan kolom dari matriks korespondensi adalah sebagai berikut.

I

2

1

r0000r0000r

rD (2.8)

J

2

1

c0000c0000c

cD (2.9)

Menghitung diagonal massa matriks akar kuadrat adalah sebagai berikut.

I1 r,...,rdiag1/2rD

I1 r

1,...,

r

1diag1/2-

rD (2.10)

9

J1 c,...,cdiag1/2cD

J1 c

1,...,

c

1diag1/2-

cD (2.11)

Profil baris dan kolom dari matriks P yang didefinisikan sebagai vektor baris dan kolom matriks P dibagi dengan massanya (Greenacre, 1984). Berikut adalah matriks profil baris dan profil kolom.

Matriks profil baris

'

'

~

~

I

r

r

r

PDR 1

1 (2.12)

Matriks profil kolom

'

'

'

~

~

J

c

c

c

PDC 1

1 (2.13)

Kedua profil yaitu profil baris I~r dengan i=1,2,..,I dan profil

kolom J~c dengan j=1,2,…,J dituliskan secara berturut-turut dalam

baris R dan kolom C (Greenacre, 1984). 2.3.2 Singular Value Decomposition (SVD)

Singular value decomposition (SVD) adalah satu dari banyak cara pada algoritma matriks dan terdiri atas konsep dekomposisi eigen value atau eigen vektor (Johnson & Wichern, 2007). Analisis korespondensi dapat dirumuskan dengan kuadrat terkecil terboboti (Weighted Least Squares) untuk ijp̂ˆ P , sebuah matriks dilakukan spesifikasi untuk direduksi. Berikut menghitung banyaknya dimensi dan nilai inersia.

k = min[(I-1),(J-1)] (2.14) 0 IP (2.15)

10

Dimana: k = banyaknya dimensi terbentuk P = matriks korespondensi I = matriks identitas Penguraian nilai singular (SVD) dan matriks korespondensi dapat dirumuskan pada persamaan sebagai berikut.

'K

1kk kckr vDuDrc'P 2

12

1

(2.16)

Dimana 'rcP adalah nilai singular dekomposisi (SVD) dari matriks P,

k adalah nilai singular merupakan hasil akar kuadrat dari eigenvalue matriks P, vektor

ku dengan ukuran I x 1 dan vektor

kv dengan ukuran J x 1 merupakan singular vektor korespondensi matriks yang berukuran I x J pada matriks

21

21

cr DrcPD ' (Johnson & Wichern, 2007). Sedangkan k menyatakan banyaknya dimensi dalam matiks P dengan banyak dimensi k=min[(I-1),(J-1)] (Greenacre, 1984). Berikut adalah menentukan koordinat profil baris dan kolom (Johnson & Wichern, 2007).

Koordinat profil baris: krk uDF 21

(2.17) Koordinat profil kolom: kck vDG 2

1 (2.18)

2.3.3 Dekomposisi Inersia

Total inersia adalah ukuran dari variasi data dan ditentukan dengan jumlah kuadrat terboboti (Johnson & Wichern, 2007).

1

1

22

'

Inersia

'' Inersia 21

21

21

21

J

kk

i j ji

jiij

crcr

crcrp

DrcPDDrcPDtr

(2.19)

Dimana k adalah nilai singular yang diperoleh dari penguraian

nilai singular (SVD) 21

21

cr DrcPD ' . Total inersia adalah

11

hubungan dari chi-square yang berasal dari tabel kontingensi dua

dimensi yaitu

I

1i

J

1j ij

2ijij2

EEn )(

Total inersia =

I

i

J

j ji

jiij

..ncrcrp

1 1

22

(2.20)

Berikut adalah nilai inersia baris dan kolom (Greenacre, 1984).

Inersia baris

i

ic'

ii cr~Dcr~r1 (2.21)

Inersia kolom

j

jr'

jj rc~Drc~c1 (2.22)

Kontribusi baris/kolom menuju dimensi inersia atau korelasi baris ke-i atau kolom ke-j dengan dimensi k adalah kontribusi axis ke inersia baris ke-i atau kolom ke-j, dinyatakan dalam persentase inersia baris ke-i atau kolom ke-j.

Kontribusi baris ke-i menuju inersia = k

2iki fr

(2.23)

Kontribusi kolom ke-j menuju inersia = k

jkj gc

2

(2.24)

Dimana: 2ikf = koordinat profil baris ke-i menuju axis dengan

dimensi ke-k 2jkg = koordinat profil kolom ke-j menuju axis dengan

dimensi ke-k k = inersia dimensi ke-k

Kontribusi dimensi ke inersia baris/kolom adalah proporsi keragaman yang diterangkan masing-masing inersia terhadap sumbu utamanya (Greenacre, 2007). Berikut adalah kontribusi dari axis menuju inersia baris ke-i atau kolom ke-j.

12

Kontribusi dari axis menuju inersia baris ke-i = k

2ik

2ik

ff (2.25)

Kontribusi dari axis menuju inersia kolom ke-j = k

2jk

2jk

gg (2.26)

2.3.4 Jarak Euclidean Salah satu pengukuran untuk mengukur seberapa jauh dari

dua titik yang terpisah jaraknya adalah dengan jarak garis lurus antara dua titik. Jarak garis lurus dari dua titik ditunjukkan sebagai jarak Euclidean antara dua titik. Teorema pytharoras dapat digunakan untuk menghitung jarak Euclidean antara dua titik (Sharma, 1996). Secara umum jarak Euclidean antara dua titik dalam sebuah k yaitu banyaknya solusi dimensi (k = 1,2,…K) adalah sebagai berikut.

K

1k

2kk GFd GF, (2.27)

Dimana: F merupakan nilai koordinat titik profil baris untuk membuat plot korespondensi dan G menunjukkan nilai koordinat titik profil kolom untuk membuat plot korespondensi. d(F, G) = jarak euclidean antara titik koordinat profil baris

dengan titik koordinat profil kolom. Fk = nilai koordinat profil baris pada dimensi ke-k Gk = nilai koordinat profil kolom pada dimensi ke-k

2.4 Kecelakaan Lalu Lintas Kecelakaan lalu lintas menurut Pasal 1 ke 24 UU/22 th

2009 adalah suatu peristiwa dijalan yang tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan kerugian harta benda. Definisi kecelakaan lalu lintas juga dijelaskan dalam

13

Peraturan Pemerintah No. 43 Tahun 1993 Pasal 93 ayat (1), sebagai berikut. “Suatu peristiwa dijalan yang tidak disangka-sangka dan tidak disengaja melibatkan kendaraan dengan atau tanpa pemakai jalan lainnya mengakibatkan korban manusia atau kerugian harta benda”

Berdasarkan beberapa definisi dari kecelakaan lalu lintas, dapat disimpulkan bahwa kecelakaan lalu lintas merupakan suatu kejadian yang tidak terduga di jalan raya atau tempat terbuka lainya yang melibatkan pemakai jalan dan mengakibatkan korban manusia atau kerugian harta benda. Kecelakaan lalu lintas berdasarkan korbannya menurut Peraturan Pemerintah No. 43 Tahun 1993 Pasal 93 ayat (2) dibedakan menjadi tiga, yaitu:

a. Korban mati (fatality), korban yang pasti mati sebagai akibat kecelakaan lalu lintas dalam jangka waktu paling lama 30 hari setelah kecelakaan tersebut (ayat 3).

b. Korban luka berat (serious injury), korban yang karena luka-lukanya menderita cacat tetap atau harus dirawat dalam jangka waktu 30 hari sejak terjadi kecelakaan (ayat 4).

c. Korban luka ringan (light injury), korban yang mengalami luka-luka yang tidak memerlukan rawat inap di rumah sakit dalam jangka waktu 30 hari setelah kecelakaan (ayat 5).

Definisi korban kecelakaan adalah seseorang yang terlibat dalam kecelakaan lalu lintas dan mengalami kerugian baik material maupun moral yang sudah ditetapkan oleh polisi berdasarkan barang bukti, saksi, dan keterangan dari korban/tersangka. Pelaku kecelakaan adalah seseorang yang sudah dinyatakan bersalah atau menjadi tersangka kecelakaan lalu lintas dan telah merugikan orang lain.

15

BAB III METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan pada penelitian ini adalah data sekunder berupa data angka kecelakaan Provinsi Jawa Timur periode Januari sampai Desember 2015 diambil dari Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur. Data tersebut berasal dari Unit Kecelakaan Satuan Lalu Lintas Polrestabes Surabaya.

3.2 Variabel Penelitian Berikut variabel yang digunakan pada penelitian ini

adalah angka kecelakaan berdasarkan keparahan, usia, dan pendidikan korban kecelakaan serta jenis kendaraan yang terlibat kecelakaan lalu lintas yang tercatat pada setiap rayon polres di Jawa Timur tahun 2015. Jenis Polres pada tiap rayon di Jawa Timur: a. Rayon I terdiri atas Polrestabes Surabaya, Polres KPPP,

Polres Gresik, Polres Sidoarjo, Polres Mojokerto Kota, dan Polres Mojokerto.

b. Rayon II terdiri atas Polres Malang Kota, Polres Malang, Polres Batu, Polres Pasuruan Kota, Polres Pasuruan, Polres Probolinggo Kota, dan Polres Probolinggo.

c. Rayon III terdiri atas Polres Jember, Polres Lumajang, Polres Situbondo, Polres Banyuwangi, dan Polres Bondowoso.

d. Rayon IV terdiri atas Polres Kediri Kota, Polres Kediri, Polres Nganjuk, Polres Jombang, Polres Tulungagung, Polres Blitar Kota, Polres Blitar, dan Polres Trenggalek.

e. Rayon V terdiri atas Polres Madiun Kota, Polres Madiun, Polres Ngawi, Polres Pacitan, Polres Ponorogo, dan Polres Magetan.

16

f. Rayon VI terdiri atas Polres Bojonegoro, Polres Tuban, dan Polres Lamongan.

g. Rayon VII terdiri atas Polres Sumenep, Polres Pamekasan, Polres Sampang, dan Polres Bangkalan.

Tabel 3.1 Variabel Penelitian Variabel Definisi Operasional Kategori

Keparahan Korban (Y1)

Tingkat cedera korban kecelakaan menurut hasil visum yang dilakukan.

1: Meninggal Dunia 2: Luka Berat 3: Luka Ringan

Usia Korban (Y2)

Usia korban kecelakaan yang mengalami cedera akibat kecelakaan lalu lintas.

1: 0-9 2: 10-15 3: 16-30 4: 31-40 5: 41-50 6: > 51

Pendidikan Korban (Y3)

Pendidikan korban yang mengalami cedera akibat terjadinya kecelakaan lalu lintas

1: SD 2: SLTP 3: SLTA 4: Perguruan Tinggi 5: Lain-Lain

Jenis Kendaran Terlibat (Y4)

Jenis kendaraan yang dikendarai oleh pelaku maupun korban saat terjadinya kecelakaan lalu lintas

1: Sepeda motor 2: Mobil Penumpang 3: Mobil Barang 4: Bus 5: Kendaraan Khusus

Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya Variabel Kategori Definisi Operasional

Keparahan Korban

(Y1)

Meninggal Dunia (MD)

Korban dapat dikatakan meninggal dunia apabila korban tersebut langsung meninggal di tempat kejadian atau sebelum jangka waktu 30 hari sejak kejadian kecelakaan korban meninggal dunia dengan perawatan di rumah sakit.

Luka Berat (LB)

Korban termasuk luka berat jika mengalami cacat atau memerlukan perawatan di rumah sakit selama 30 hari sejak kejadian kecelakaan dan setelah melakukan

17

Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya (Lanjutan) Variabel Kategori Definisi Operasional

Keparahan Korban

Luka Berat (LB)

visum dinyatakan bahwa korban memang tergolong luka berat

Luka Ringan (LR)

Korban mengalami luka ringan apabila setelah dilakukan visum di rumah sakit memang dinyatakan luka ringan dan tidak memerlukan perawatan di rumah sakit dalam jangka 30 hari setelah kejadian kecelakaan berlangsung

Usia Korban

(Y2)

0-9 Rata-rata korban yang mengalami kecelakaan adalah seusia bayi yang masih digendong ibunya, usia anak TK, dan seusia Sekolah Dasar

10-15 Korban dengan usia tersebut sebagian besar adalah anak seusia SMP yang menjadi korban kecelakaan (yang merasa dirugikan)

16-30 Korban yang masuk dalam rentang usia tersebut adalah pelajar SMA, mahasiswa/mahasiswi, maupun orang bekerja. Usia tersebut tergolong usia produktif.

31-40 Korban kecelakaan yang tergolong usia tersebut rata-rata orang yang sudah bekerja atau bahkan tidak bekerja

41-50 Rentang usia tersebut menunjukkan korban kecelakaan adalah seusia ibu/bapak yang sudah berkeluarga

> 51 Sebagian besar korban kecelakaan yang masuk dalam kategori usia tersebut adalah orang yang sudah lanjut usia seperti kakek atau nenek.

Pendidikan Korban

(Y3)

SD Korban kecelakaan yang tergolong pendidikannya SD adalah anak yang memang masih SD, belum lulus SD, pendidikan terakhirnya SD, atau tidak tamat SD

SLTP

Korban yang masuk dalam kategori pendidikan SLTP adalah anak tersebut belum lulus SLTP, terdapat tanda pengenal masih SLTP, pendidikan terakhirnya SLTP, tidak tamat SLTP, atau mengikuti kejar paket C

SLTA

Korban dapat tergolong pendidikannya SLTA apabila pelajar tersebut masih berstatus pelajar SLTA, terdapat tanda pengenal masih pelajar SLTA, tidak lulus SLTA, tidak tamat SLTA, atau pendidikan terakhirnya SLTA.

18

Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya (Lanjutan) Variabel Kategori Definisi Operasional

Pendidikan Korban

(Y3)

Perguruan Tinggi

Korban kecelakaan yang masuk dalam kategori pendidikan Perguruan Tinggi apabila ada tanda pengenal yang menunjukkan bahwa seorang mahasiswa, masih berstatus mahasiswa, putus kuliah, atau pendidikan terakhirnya Perguruan Tinggi

Lain-Lain

Kategori korban kecelakaan lain-lain untuk pendidikan adalah anak seusia TK atau di bawah umur, orang gila, atau korban yang tidak ada tanda pengenalnya (identitas pribadi)

Jenis Kendaraan

Terlibat (Y4)

Sepeda motor

Kendaraan yang terlibat sepeda motor apabila korban maupun pelaku kecelakaan lalu lintas menggunakan sepeda motor atau salah satu dari korban/pelaku menggunakan sepeda motor. Perhitungan jumlah sepeda motor yang terlibat dihitung berdasarkan korban/pelaku pengguna kendaraan

Mobil Penumpang

Kendaraan yang masuk dalam kategori mobil penumpang adalah mobil pribadi, taksi, bemo, bajai, atau mobil yang khusus penumpang manusia

Mobil Barang

Kendaraan yang tergolong dalam mobil barang adalah mobil pickup, truk, atau mobil yang khusus mengangkut barang yang terlibat dalam kecelakaan lalu lintas.

Bus

Kendaraan yang terlibat tergolong bus apabila kejadian kecelakaan tersebut melibatkan salah satu atau keduanya bus contohnya bus kota, bus pariwisata, bus mini, atau semua jenis bus.

Kendaraan Khusus

Kendaraan yang masuk kategori kendaraan khusus adalah kereta api yang terlibat dalam kecelakaan

Berikut adalah struktur data jenis rayon polres di Jawa Timur berdasarkan kategori keparahan korban, usia,

19

pendidikan korban, dan jenis kendaraan yang terlibat dalam kecelakaan.

Tabel 3.3 Struktur Data Keparahan Korban Jenis

Rayon Keparahan Korban

MD LB LR 1 n11 n12 n13 2 n21 n22 n23 3 n31 n32 n33 4 n41 n42 n43 5 n51 n52 n53 6 n61 n62 n63 7 n71 n72 n73

Tabel 3.4 Struktur Data Usia Korban Jenis

Rayon Usia Korban

0-9 10-15 16-30 31-40 41-50 > 51 1 n11 n12 n13 n14 n15 n16 2 n21 n22 n23 n24 n25 n26 3 n31 n32 n33 n34 n35 n36 4 n41 n42 n43 n44 n45 n46 5 n51 n52 n53 n54 n55 n56 6 n61 n62 n63 n64 n65 n66 7 n71 n72 n73 n74 n75 n76

Tabel 3.5 Struktur Data Pendidikan Korban Jenis

Rayon Pendidikan Korban

SD SLTP SLTA Perguruan Tinggi Lain-lain 1 n11 n12 n13 n14 n15 2 n21 n22 n23 n24 n25 3 n31 n32 n33 n34 n35 4 n41 n42 n43 n44 n45 5 n51 n52 n53 n54 n55 6 n61 n62 n63 n64 n65 7 n71 n72 n73 n74 n75

20

Tabel 3.6 Struktur Data Jenis Kendaraan Terlibat Jenis

Rayon

Kendaraan Terlibat Kecelakaan Sepeda Motor

Mobil Penumpang

Mobil Barang Bus Kendaraan

Khusus 1 n11 n12 n13 n14 n15 2 n21 n22 n23 n24 n25 3 n31 n32 n33 n34 n35 4 n41 n42 n43 n44 n45 5 n51 n52 n53 n54 n55 6 n61 n62 n63 n64 n65 7 n71 n72 n73 n74 n75

3.3 Langkah Analisis dan Diagram Alir

Langkah-langkah analisis yang dilakukan pada penelitian ini adalah sebagai berikut. 1. Mengumpulkan data mengenai angka kecelakaan di

Provinsi Jawa Timur tahun 2015 berdasarkan keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan pada tiap rayon polres.

2. Melakukan analisis korespondensi terjadinya kecelakaan lalu lintas pada tiap rayon polres di Jawa Timur tahun 2015 berdasarkan keparahan korban. a. Menyusun matriks korespondensi dengan membagi

elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia f. Menghitung kontribusi relatif dan kontribusi mutlak g. Menentukan jarak euclidean h. Visualisasi plot antara profil vektor baris dan profil

vektor kolom data keparahan korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.

21

3. Melakukan analisis korespondensi berdasarkan usia korban kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. a. Menyusun matriks korespondensi dengan membagi

elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia a. Menghitung kontribusi relatif dan kontribusi mutlak f. Menentukan jarak euclidean g. Visualisasi plot antara profil vektor baris dan profil

vektor kolom data usia korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.

4. Menganalisis korespondensi berdasarkan pendidikan korban kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. a. Menyusun matriks korespondensi dengan membagi

elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia f. Menghitung kontribusi relatif dan kontribusi mutlak g. Menentukan jarak euclidean h. Visualisasi plot antara profil vektor baris dan profil

vektor kolom data pendidikan korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.

5. Melakukan analisis korespondensi berdasarkan jenis kendaraan yang terlibat kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. b. Menyusun matriks korespondensi dengan membagi

elemen baris dan kolom c. Menyusun matriks profil baris dan profil kolom

22

d. Menentukan nilai Singular Decomposition (SVD) e. Menghitung koordinat profil baris dan kolom f. Menghitung nilai inersia g. Menghitung kontribusi relatif dan kontribusi mutlak h. Menentukan jarak euclidean i. Visualisasi plot antara profil vektor baris dan profil

vektor kolom data kendaraan yang terlibat kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.

6. Menarik kesimpulan dan saran. Berikut adalah gambaran mengenai diagram alir

berdasarkan langkah analisis yang telah dijabarkan.

Gambar 3.1 Diagram Alir Penelitian

23

BAB IV ANALISIS DAN PEMBAHASAN

Gambaran mengenai karakteristik dari jumlah kejadian

kecelakaan yang tercatat pada setiap rayon polres di Jawa Timur tahun 2015. Berikut adalah diagram batang yang menunjukkan banyaknya jumlah kejadian kecelakaan berdasarkan keparahan korban.

Gambar 4.1 Jumlah Korban Kecelakaan

Gambar 4.1 menunjukkan bahwa dari 7 rayon polres di Jawa Timur jika dilihat berdasarkan keparahan korbannya sebagian besar korban kecelakaannya mengalami luka ringan. Rayon IV menunjukkan jumlah korban kecelakaan yang mengalami luka ringan paling besar dibandingkan rayon lain sedangkan jumlah korban kecelakaan terendah untuk korban mengalami luka ringan berada pada Rayon VII. Jumlah korban luka berat paling tinggi terdapat pada Rayon III dan terendah

0 2,000 4,000 6,000 8,000

Rayon I

Rayon II

Rayon III

Rayon IV

Rayon V

Rayon VI

Rayon VII

1161

368

762

96

7276

703

KORBAN LR

KORBAN LB

KORBAN MD

24

pada Rayon V. Selain itu ditunjukkan bahwa Rayon IV jumlah korban meninggal dunia akibat kecelakaan paling banyak dan paling rendah terdapat pada Rayon VII.

1.1 Pola Kecenderungan Keparahan Korban Kecelakaan Lalu Lintas Melakukan analisis korespondensi terjadinya

kecelakaan lalu lintas pada tiap rayon polres di Jawa Timur tahun 2015 berdasarkan keparahan korban. Berikut adalah pengujian independensi dan analisis korespondensi antara jenis rayon polres dan jenis keparahan korban. Hipotesis: H0: Tidak ada hubungan antara jenis keparahan korban dengan

jenis rayon polres (independen). H1: Ada hubungan antara jenis keparahan korban dengan

jenis rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2

db,2

atau P-value < )05,0( Berdasarkan persamaan (2.2) diperoleh nilai chi-square sebesar 2405 yang dapat dilihat pada hasil output pada Lampiran 5a. Ini menunjukkan bahwa terdapat hubungan antara jenis keparahan korban dengan jenis rayon polres di Jawa Timur. Hal tersebut dibuktikan dengan nilai chi-square sebesar 2405 lebih besar dari 21,026 sehingga diperoleh keputusan tolak H0. Setelah dilakukan pengujian independensi akan dianalisis korespondensi antara jenis rayon polres dan jenis keparahan korban.

a. Reduksi Dimensi Analisis korespondensi salah satunya digunakan untuk

mereduksi dimensi variabel. Berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 6d diringkas pada Tabel 4.2 untuk mengetahui pola kecenderungan antarajenis keparahan korban dengan jenis rayon polres.

25

Tabel 4.1 Reduksi Dimensi Keparahan Korban

Dimensi Inersia Proporsi Proporsi Kumulatif

1 0,066 0,904 0,904 2 0,007 0,096 1,000

Tabel 4.1 menunjukkan bahwa dimensi 1 memiliki nilai inersia sebesar 0,066 dan secara keseluruhan dimensi 1 dapat menjelaskan keragaman data sebesar 90,4%.

b. Kontribusi dari Profil Baris Tabel 4.2 adalah nilai kontribusi baris menuju dimensi

inersia atau sebaliknya disetiap profil baris untuk mengetahui pola kecenderungan antara jenis keparahan korban dengan jenis rayon polres. Berdasarkan persamaan (2.23) maka diperoleh nilai kontribusi baris menuju dimensi inersia dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia baris sesuai Lampiran 6e yang diringkas pada Tabel 4.3 berikut.

Tabel 4.2 Output Profil Baris Keparahan Korban

Jenis Rayon Kontribusi Baris Ke

Dimensi Inersia Kontribusi Dimensi Ke

Inersia Baris Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2

Rayon 1 0,016 0,079 0,653 0,347 Rayon 2 0,001 0,109 0,073 0,927 Rayon 3 0,688 0,146 0,978 0,022 Rayon 4 0,128 0,006 0,995 0,005 Rayon 5 0,040 0,093 0,801 0,199 Rayon 6 0,048 0,056 0,890 0,110 Rayon 7 0,079 0,511 0,594 0,406

Tabel 4.2 diketahui bahwa anggota rayon yang masuk dalam dimensi 1 dengan nilai kontribusi terbesar pertama adalah Rayon III sebesar 68,8% dan nilai kontribusi terbesar kedua sebesar 12,8% pada Rayon IV. Jadi nilai total kontribusi pada dimensi 1 sebesar 81,6%. Penyusun kontribusi dimensi

26

menuju inersia baris terbesar pada dimensi 1 sebesar 99,5% terdapat pada Rayon IV yang artinya dimensi 1 dapat menjelaskan 99,5% terhadap kategori Rayon IV.

Kategori yang termasuk pada dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon VII sebesar 51,1% dilanjutkan dengan Rayon II dengan nilai kontribusinya sebesar 10,9%. Selanjutnya adalah Rayon V dengan nilai kontribusi sebesar 9,3% dan kontribusi terbesar keempat adalah Rayon I sebesar 7,9%. Nilai kontribusi terbesar kelima pada dimensi 2 terdapat pada rayon VI sebesar 5,6%. Kelima kategori rayon polres nilai total kontribusinya sebesar 84,8% artinya kategori Rayon I, Rayon II, Rayon V sampai Rayon VII mampu menjelaskan keragaman data pada dimensi 2 sebesar 84,8%. Penyusunan kontribusi dimensi menuju inersia baris terbesar pada dimensi 2 terdapat pada Rayon II sebesar 92,7%. Sehingga dapat dikatakan bahwa dimensi 2 dapat menjelaskan 92,7% terhadap kategori Rayon II.

c. Kontribusi dari Profil Kolom Hasil pengelompokkan pada profil kolom untuk mengetahui pola kecenderungan antara jenis keparahan korban dengan jenis rayon polres. Berdasarkan persamaan (2.24) dan persamaan (2.26) diperoleh hasil output sesuai Lampiran 6f yang diringkas pada Tabel 4.3.

Tabel 4.3 Output Profil Kolom Keparahan Korban Profil Kolom Keparahan

Korban

Kontribusi Kolom Ke Dimensi Inersia

Kontribusi Dimensi Ke Inersia Kolom

Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Meninggal Dunia 0,072 0,768 0,469 0,531

Luka Berat 0,816 0,139 0,982 0,018 Luka Ringan 0,112 0,093 0,920 0,080

Tabel 4.3 menunjukkan bahwa keparahan korban kecelakaan yang masuk dalam dimensi 1 dengan kontribusi

27

terbesar pertama adalah luka berat sebesar 81,6% sedangkan kontribusi terbesar kedua sebesar 11,2% pada kategori luka ringan. Jadi total kontribusi pada dimensi 1 sebesar 92,8%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 98,2% yaitu dari kategori korban luka berat artinya dimensi 1 dapat menjelaskan 98,2% terhadap variabel luka berat. Pada variabel korban luka berat mempunyai kontribusi terbesar pada dimensi 2 sebesar 76,8%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar dimensi 2 terdapat pada kategori korban meninggal dunia sebesar 53,1%. Sehingga dapat dikatakan bahwa dimensi 2 mampu menjelaskan 53,1% terhadap kategori korban meninggal dunia.

d. Plot Korespondensi Sebelum melakukan visualisasi dalam bentuk plot

terhadap pengelompokan kecenderungan antara jenis keparahan korban dengan jenis rayon polres di Jawa Timur maka perlu menentukan nilai koordinat profil baris dan koordinat profil kolom. Berikut adalah nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 6e yang disajikan pada Tabel 4.4 dan nilai koordinat profil kolom disajikan pada Tabel 4.5 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 6f.

Tabel 4.4 Koordinat Profil Baris Keparahan Korban Jenis Rayon Dimensi 1 Dimensi 2 Rayon 2 -0,04 0,25 Rayon 3 -1,101 -0,289 Rayon 4 0,357 -0,045 Rayon 5 0,284 -0,248 Rayon 6 0,319 -0,196 Rayon 7 -0,754 1,093

28

Tabel 4.4 menunjukkan nilai koordinat profil baris diperoleh dari nilai kontribusi baris/kolom menuju dimensi inersia ataupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom yaitu dengan melihat jarak terdekat antara profil baris dan profil kolom.

Tabel 4.5 Koordinat Profil Kolom Keparahan Korban Keparahan

Korban Dimensi 1 Dimensi 2

MD -0,340 0,633 LB -2,156 -0,508 LR 0,190 -0,099

Tabel 4.5 menunjukkan nilai koordinat profil kolom untuk membuat plot korespondensi. Selanjutnya melihat jarak terdekat antara profil baris dan profil kolom sehingga diperoleh pola kecenderungan antara jenis rayon polres dan jenis keparahan korban. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan jenis keparahan korban. Berikut adalah gambaran mengenai pola kecenderungan antara jenis rayon polres di Jawa Timur dengan jenis keparahan korban.

29

Gambar 4.2 Plot Korespondensi Keparahan Korban

Gambar 4.2 secara visual dapat dijelaskan pola kecenderungan yaitu pada Rayon VII mempunyai kecenderungan korban kecelakaannya meninggal dunia (MD) dan pada Rayon III korban kecelakaan cenderung mengalami luka berat (LB) khususnya di daerah Polres Banyuwangi. Sebagian besar korban kecelakaan pada Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI cenderung keparahan korbannya adalah luka ringan (LR) yang disebabkan kecelakaan tunggal. Pada Rayon VII paling sering terjadi kecelakaan tabrak lari dan menyebabkan korbannya meninggal dunia menurut data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur.

e. Jarak Euclidean Perhitungan jarak euclidean untuk melihat pola

kecenderungan antara jenis keparahan korban dengan jenis

30

rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.6.

Tabel 4.6 Jarak Euclidean Keparahan Korban

Kesatuan Polres

Jenis Keparahan Korban Meninggal

Dunia Luka Berat Luka Ringan

Rayon 1 0,65906904 2,4176834 0,29993333 Rayon 2 0,48650694 2,2476699 0,41797249 Rayon 3 1,19549362 1,0774906 1,30490651 Rayon 4 0,97236464 2,5552961 0,17551353 Rayon 5 1,07960039 2,4538134 0,17617321 Rayon 6 1,05901936 2,4945879 0,16140012 Rayon 7 0,61886671 2,1280989 1,52052622

Tabel 4.6 yang menunjukkan bahwa pada Rayon VII cenderung korban kecelakaannya meninggal dunia. Pada Rayon III korban kecelakaan cenderung mengalami luka berat. Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI cenderung mengalami keparahan korban kecelakaan mengalami luka ringan.

1.2 Pola Kecenderungan Usia Korban Kecelakaan Lalu Lintas

Analisis korespondensi dilakukan untuk membuat pola kecenderungan antara jenis rayon polres di Jawa Timur dengan usia korban kecelakaan. Berikut adalah pengujian independensi dan analisis korespondensi antara jenis rayon polres dan kategori usia korban. Berikut adalah pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan kategori usia korban kecelakaan. Hipotesis: H0: Tidak ada hubungan antara kategori usia korban dengan

jenis rayon polres (independen).

31

H1: Ada hubungan antara kategori usia korban dengan jenis rayon polres (dependen).

Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2

,2

db atau P-value < )05,0(

Hasil pengujian independensi diperoleh melalui perhitungan pada persamaan (2.2) sesuai Lampiran 5b. Diperoleh nilai chi-square sebesar 761,5 lebih besar dari 43,773 sehingga diperoleh keputusan tolak H0. Kesimpulan yang dapat diambil adalah terdapat hubungan antara kategori usia korban dengan jenis rayon polres. Maka selanjutnya akan dilakukan analisis korespondensi antara jenis rayon polres dan kategori usia korban.

a. Reduksi Dimensi Mereduksi dimensi untuk melihat pola kecenderungan

antara kategori usia korban dengan jenis rayon polres berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 7d diringkas pada Tabel 4.7 adalah sebagai berikut.

Tabel 4.7 Reduksi Dimensi Usia Korban


1 0,017 0,725 0,725 2 0,004 0,179 0,904 3 0,001 0,059 0,964 4 0,001 0,026 0,989 5 0,000 0,011 1,000

Tabel 4.7 dapat dilihat bahwa dimensi 1 mempunyai nilai inersia sebesar 0,017 dan proporsi sebesar 0,725. Nilai inersia pada dimensi 2 sebesar 0,004 dengan proporsi sebesar 0,179 dan pada dimensi 3 diperoleh nilai inersia sebesar 0,001 dengan proporsi sebesar 0,059. Selanjutnya diperoleh nilai inersia pada dimensi 4 sebesar 0,001 dengan nilai proporsinya

32

sebesar 0,026. Secara keseluruhan dari keempat dimensi mampu menjelaskan keragaman data sebesar 98,9%. b. Kontribusi dari Profil Baris Berdasarkan persamaan (2.23) dan persamaan (2.25) sesuai Lampiran 7e dapat diringkas pada Tabel 4.8 mengenai hasil pengelompokkan pada profil baris berupa kontribusi baris ke dimensi inersia atau sebaliknya untuk mengetahui pola kecenderungan antara kategori usia korban dengan jenis rayon polres sebagai berikut.

Tabel 4.8 Output Profil Baris Usia Korban

Jenis Rayon Polres

Kontribusi Baris Ke Dimensi Inersia

Kontribusi Dimensi Ke Inersia Baris

Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Rayon 1 0,002 0,028 0,070 0,276 Rayon 2 0,304 0,021 0,925 0,016 Rayon 3 0,035 0,705 0,166 0,818 Rayon 4 0,538 0,005 0,971 0,002 Rayon 5 0,018 0,003 0,288 0,013 Rayon 6 0,045 0,235 0,396 0,506 Rayon 7 0,058 0,003 0,707 0,009

Tabel 4.8 menunjukkan bahwa kesatuan polres yang masuk ke dalam dimensi 1 dengan nilai kontribusi terbesar pertama adalah Rayon IV sebesar 53,8%, nilai terbesar kedua dengan kontribusinya sebesar 30,4% pada Rayon II, dan ketiga terdapat pada Rayon VII dengan nilai kontribusi sebesar 5,8%. Nilai kontribusi terkecil terdapat pada Rayon V sebesar 1,8%.. Jadi nilai total kontribusi pada dimensi 1 adalah sebesar 91,8% yang artinya kategori Rayon II, Rayon IV, Rayon V, dan Rayon VII dapat menjelaskan keragaman data pada dimensi 1 sebesar 91,8%. Penyusun kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 1 sebesar 97,1% terdapat pada Rayon IV yang artinya dimensi 1 mampu menjelaskan 97,1% terhadap kategori Rayon IV.

33

Pada kategori rayon polres yang masuk pada dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon III sebesar 70,5%, selanjutnya Rayon VI dengan nilai kontribusi sebesar 23,5%. Nilai kontribusi terkecil pada dimensi 2 sebesar 2,8% pada Rayon I. Jadi ketiga kategori rayon polres mempunyai nilai total kontribusi sebesar 96,8% artinya kategori Rayon I, Rayon III, dan Rayon VI dapat menjelaskan keragaman data pada dimensi 2 sebesar 96,8%. Penyusunan kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 2 terdapat pada Rayon III sebesar 81,8%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 81,8% terhadap kategori Rayon III.

c. Kontribusi dari Profil Kolom Analisis korespondensi salah satunya digunakan untuk mengelompokkan kriteria dari variabel menjadi 2 dimensi berdasarkan persamaan (2.24) maka diperoleh nilai kontribusi kolom menuju dimensi inersia dan persamaan (2.26) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai hasil output Lampiran 7f yang diringkas pada Tabel 4.9 adalah sebagai berikut.

Tabel 4.9 Output Profil Kolom Usia Korban Profil

Kolom Usia Korban



Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 0-9 0,111 0,008 0,679 0,012 10-15 0,287 0,021 0,944 0,017 16-30 0,507 0,007 0,983 0,003 31-40 0,021 0,079 0,313 0,287 41-50 0,067 0,560 0,304 0,630 > 51 0,006 0,324 0,057 0,750

Tabel 4.9 dapat ditunjukkan bahwa kategori usia korban yang terdapat dalam dimensi 1 adalah korban berusia 16-30 tahun dengan kontribusi terbesar pertama sebesar 50,7%, kontribusi terbesar kedua sebesar 28,7% pada kategori usia 10-

34

15 tahun. Nilai kontribusi terbesar ketiga dalam dimensi 1 terdapat pada kategori usia 0-9 tahun. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 98,3% yaitu kategori korban berusia 16-30 tahun artinya dimensi 1 mampu menjelaskan 98,3% terhadap kategori usia 16-30 tahun. Kontribusi terbesar pertama pada dimensi 2 adalah kategori korban berusia 41-50 tahun sebesar 56% dan kontribusi terbesar kedua terdapat pada korban berusia lebih dari 51 tahun sebesar 32,4%. Pada usia korban 31-40 tahun mempunyai kontribusi sebesar 7,9%. Jadi total kontribusi yang masuk ke dalam dimensi 2 sebesar 96,3%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 2 adalah kategori korban berusia lebih dari 51 tahun sebesar 75%. Sehingga dapat dikatakan bahwa dimensi 2 mampu menjelaskan 75% terhadap kategori korban berusia lebih dari 51 tahun.

d. Plot Korespondensi Pengelompokan kecenderungan antara kategori usia

korban dengan jenis rayon polres berdasarkan nilai koordinat profil baris dan koordinat profil kolom sesuai di setiap dimensi yang berkaitan menggunakan plot korespondensi. Nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 7e yang disajikan pada Tabel 4.10 dan nilai koordinat profil kolom disajikan pada Tabel 4.11 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 7f.

35

Tabel 4.10 Koordinat Profil Baris Usia Korban Jenis

Rayon Dimensi 1 Dimensi 2

Rayon 1 -0,037 0,104 Rayon 2 -0,519 0,096 Rayon 3 -0,177 -0,558 Rayon 4 0,519 0,036 Rayon 5 0,134 -0,04 Rayon 6 -0,219 0,351 Rayon 7 -0,459 0,073

Tabel 4.10 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.

Tabel 4.11 Koordinat Profil Kolom Usia Korban Usia


0-9 0,560 -0,107 10-15 0,655 0,125 16-30 -0,425 -0,036 31-40 0,127 0,173 41-50 0,221 -0,451 >51 0,071 0,364

Tabel 4.11 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan kategori usia korban dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola

36

kecenderungan antara jenis rayon polres dengan kategori usia korban adalah sebagai berikut.

Gambar 4.3 Plot Korespondensi Usia Korban

Gambar 4.3 dapat dilihat secara visual menunjukkan pola kecenderungan pada Rayon II dan Rayon VII cenderung korban kecelakaannya berusia 16-30 tahun. Pada Rayon VI korban kecelakaan cenderung berusia lebih dari 51 tahun. Rayon I dan Rayon V cenderung korbannya berusia 31-40 tahun sedangkan Rayon III korban kecelakaan cenderung berusia 41-50 tahun. Pada Rayon IV korban cenderung berusia 0-9 tahun. e. Jarak Euclidean

Perhitungan jarak euclidean untuk melihat pola kecenderungan antara kategori usia korban dengan jenis rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.12 adalah sebagai berikut.

37

Tabel 4.12 Jarak Euclidean Usia Korban Rayon Polres

Usia Korban 0-9 10-15 16-30 31-40 41-51 >51

Rayon 1 0,6332 0,6923 0,4125 0,1779 0,612 0,2815 Rayon 2 1,0979 1,1744 0,162 0,6506 0,9202 0,648 Rayon 3 0,864 1,0764 0,5779 0,7917 0,4121 0,9548 Rayon 4 0,1488 0,1625 0,9467 0,4153 0,5709 0,5552 Rayon 5 0,4312 0,5465 0,559 0,2131 0,4201 0,4089 Rayon 6 0,9037 0,9027 0,4384 0,3891 0,9148 0,2903 Rayon 7 1,0348 1,1152 0,1142 0,5945 0,8585 0,6046

Tabel 4.12 ditunjukkan bahwa pada Rayon IV cenderung korban kecelakaannya berusia 0-9 tahun. Rayon II dan Rayon VII memiliki kecenderungan korban kecelakaan berusia 16-30 tahun. Pada Rayon I dan Rayon V korban cenderung berusia 31-40 tahun. Pada Rayon III cenderung korbannya berusia 41-51 tahun dan Rayon VI korban cenderung berusia lebih dari 51 tahun.

1.3 Pola Kecenderungan Pendidikan Korban Kecelakaan Lalu Lintas Analisis korespondensi untuk mendapatkan pola

kecenderungan pendidikan korban kecelakaan lalu lintas pada rayon polres di Jawa Timur. Selanjutnya dilakukan pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan kategori pendidikan korban kecelakaan adalah sebagai berikut. Hipotesis: H0: Tidak ada hubungan antara pendidikan korban dengan

jenis rayon polres (independen). H1: Ada hubungan antara pendidikan korban dengan jenis

rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2

db,2

atau P-value < )05,0(

38

Berdasarkan persamaan (2.2) sesuai hasil output Lampiran 5c diperoleh nilai chi-square sebesar 2133. Sehingga dapat ditunjukkan bahwa terdapat hubungan antara pendidikan korban dengan jenis rayon polres. Hal tersebut dibuktikan dengan nilai chi-square sebesar 2133 lebih besar dari 36,415 sehingga diperoleh keputusan tolak H0. Selanjutnya dilakukan analisis korespondensi antara jenis rayon polres dan pendidikan korban. a. Reduksi Dimensi

Analisis korespondensi dilakukan untuk mereduksi dimensi dengan melihat pola kecenderungan antara pendidikan korban dan jenis rayon polres berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 8d diringkas pada Tabel 4.13 adalah sebagai berikut.

Tabel 4.13 Reduksi Dimensi Pendidikan Korban


1 0,043 0,662 0,662 2 0,016 0,247 0,909 3 0,006 0,086 0,995 4 0,000 0,005 1,000

Tabel 4.13 menunjukkan bahwa dimensi 1 mempunyai nilai inersia sebesar 0,043 dengan proporsi sebesar 0,662 sedangkan dimensi 2 didapatkan nilai inersia sebesar 0,016 dengan proporsi sebesar 0,247. Selanjutnya diperoleh nilai inersia sebesar 0,006 pada dimensi 3 dengan nilai proporsi sebesar 0,086. Jadi secara keseluruhan ketiga dimensi mampu menjelaskan keragaman data sebesar 99,5%.

b. Kontribusi dari Profil Baris Berdasarkan persamaan (2.23) maka diperoleh nilai kontribusi baris menuju dimensi inersia dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke

39

inersia baris sesuai Lampiran 8e yang diringkas pada Tabel 4.14 berikut.

Tabel 4.14 Output Profil Baris Pendidikan Korban

Jenis Rayon Polres




Tabel 4.14 dapat dilihat bahwa kesatuan polres yang masuk dalam dimensi 1 adalah Rayon VII dengan nilai kontribusi terbesar pertama sebesar 58,1% diikuti Rayon I dengan nilai kontribusi sebesar 18,9%. Nilai kontribusi terbesar ketiga terdapat pada Rayon VI sebesar 7,1%, pada Rayon V nilai kontribusinya sebesar 6,5%, dan nilai kontribusi terbesar kelima pada Rayon II sebesar 4,1%. Jadi nilai total kontribusi pada dimensi 1 adalah sebesar 94,7% yang artinya kategori Rayon I, Rayon II, Rayon V sampai Rayon VII dapat menjelaskan keragaman data pada dimensi 1 sebesar 94,7%. Penyusun kontribusi dimensi menuju inersia baris terbesar pada dimensi 1 sebesar 89,3% terdapat pada Rayon VI yang artinya dimensi 1 dapat menjelaskan 89,3% terhadap kategori Rayon VI.

Kategori kesatuan polres yang masuk dalam dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon IV sebesar 65,1% lalu nilai kontribusi terbesar kedua terdapat pada Rayon III sebesar 7,7%. Nilai total kontribusi yang masuk pada dimensi 2 sebesar 72,8% artinya Rayon III, Rayon IV dapat menjelaskan keragaman data pada dimensi 2 sebesar 72,8%. Penyusunan kontribusi dimensi menuju inersia baris

40

terbesar pada dimensi 2 terdapat pada Rayon IV sebesar 82,8%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 82,8% terhadap kategori Rayon IV.

c. Kontribusi dari Profil Kolom Tabel 4.15 adalah gambaran analisis korespondensi

untuk mengelompokkan kriteria dari variabel pada 2 dimensi maka diperoleh nilai kontribusi kolom menuju dimensi inersia pada persamaan (2.23) dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai Lampiran 8f yang diringkas pada Tabel 4.15 berikut.

Tabel 4.15 Output Profil Kolom Pendidikan Korban

Pendidikan Korban



Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 SD 0,691 0,119 0,934 0,060 SLTP 0,021 0,707 0,072 0,916 SLTA 0,228 0,097 0,859 0,137 Perguruan Tinggi 0,031 0,056 0,406 0,273

Lain-lain 0,030 0,021 0,212 0,055

Tabel 4.15 diketahui bahwa pendidikan korban kecelakaan yang masuk ke dalam dimensi 1 adalah korban yang berpendidikan SD dengan kontribusi terbesar pertama sebesar 69,1%. Nilai kontribusi terbesar ketiga pada korban yang berpendidikan SLTA sebesar 22,8% dan nilai kontribusi terbesar ketiga sebesar 3% terdapat pada kategori pendidikan korbannya adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Penyusunan kontribusi dimensi menuju inersia kolom terbesar pada dimensi 1 sebesar 93,4% yaitu dari kategori tingkat pendidikan SD artinya dimensi 1 dapat menjelaskan 93,4% terhadap tingkat pendidikan SD. Nilai kontribusi terbesar pertama pada dimensi 2 adalah korban dengan tingkat pendidikan SLTP sebesar 70,7% diikuti

41

kontribusi terbesar kedua pada korban yang berpendidikan di Perguruan Tinggi sebesar 5,6%. Jadi total nilai kontribusi pada dimensi 2 sebesar 76,3%. Penyusun kontribusi dimensi menuju inersia kolom terbesar pada dimensi 2 adalah kategori pendidikan korban SLTP sebesar 91,6%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 91,6% terhadap kategori korban yang berpendidikan SLTP.

d. Plot Korespondensi Pengelompokan kecenderungan antara pendidikan

korban dengan jenis rayon polres di Jawa Timur menggunakan plot korespondensi berdasarkan nilai koordinat profil baris dan koordinat profil kolom di setiap dimensi yang berkaitan.

Nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 8e yang disajikan pada Tabel 4.16 dan nilai koordinat profil kolom disajikan pada Tabel 4.17 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 8f.

Tabel 4.16 Koordinat Profil Baris Pendidikan Korban Jenis Rayon Dimensi 1 Dimensi 2

Rayon 1 -0,483 -0,201 Rayon 2 0,241 -0,075 Rayon 3 0,09 -0,259 Rayon 4 0,196 0,564 Rayon 5 -0,327 -0,174 Rayon 6 -0,347 -0,114 Rayon 7 1,833 -0,775

Tabel 4.16 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.

42

Tabel 4.17 Koordinat Profil Kolom Pendidikan Korban Pendidikan


SD 1,177 -0,382 SLTP 0,161 0,737 SLTA -0,266 -0,136 Perguruan Tinggi 0,399 0,419

Lain-lain 0,479 -0,311

Tabel 4.17 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan kategori pendidikan korban dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan kategori pendidikan korban. Secara visual dapat dilihat pada Gambar 4.4 pola kecenderungan pada Rayon IV korban kecelakaan cenderung berpendidikan SLTP sedangkan pada Rayon I, Rayon V, dan Rayon VI cenderung korban kecelakaan masuk dalam kategori tingkat pendidikan korbannya adalah SLTP. Korban kecelakaan pada Rayon II masuk dalam kategori tingkat pendidikan lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Pada Rayon VII kecenderungan korban kecelakaannya mempunyai tingkat pendidikan SD.

43

Gambar 4.4 Plot Korespondensi Pendidikan Korban

e. Jarak Euclidean Jarak euclidean digunakan untuk menggambarkan pola

kecenderungan antara kategori tingkat pendidikan korban dengan jenis rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.18 adalah sebagai berikut.

Tabel 4.18 Jarak Euclidean Pendidikan Korban

SD SLTP SLTA Perguruan Tinggi

Lain-lain

Rayon 1 1,6698 1,1378 0,2265 1,0781 0,9683 Rayon 2 0,9851 0,8159 0,5107 0,5187 0,3352 Rayon 3 1,0939 0,9985 0,3766 0,7451 0,3925 Rayon 4 1,3628 0,1765 0,8387 0,2495 0,9196 Rayon 5 1,5183 1,0335 0,0719 0,9374 0,8176 Rayon 6 1,5474 0,9911 0,0839 0,9168 0,8492 Rayon 7 0,7647 2,2543 2,1941 1,866 1,4313

44

Tabel 4.18 menunjukkan bahwa Rayon VII cenderung korban kecelakaannya berpendidikan SD. Rayon IV korban kecelakaannya cenderung berpendidikan SLTP dan Rayon II cenderung korban kecelakaan masuk dalam kategori pendidikan adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI cenderung korbannya berpendidikan SLTA.

1.4 Pola Kecenderungan Kendaraan yang Terlibat

dalam Kecelakaan Lalu Lintas Analisis korespondensi terhadap jenis kendaraan yang

terlibat dalam kecelakaan lalu lintas pada rayon polres di Jawa Timur. Namun akan dilakukan pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan adalah sebagai berikut. Hipotesis: H0: Tidak ada hubungan antara jenis kendaraan yang terlibat

kecelakaan dengan jenis rayon polres (independen). H1: Ada hubungan antara jenis kendaraan yang terlibat

kecelakaan dengan jenis rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2

db,2

atau P-value < )05,0( Berdasarkan persamaan (2.2) sesuai hasil output Lampiran 5d menunjukkan bahwa keputusan yang diperoleh adalah tolak H0 dikarenakan nilai chi-square sebesar 706,8 lebih besar dari 36,415 dan nilai p-value (0,000) lebih kecil dari 0,05. Jadi dapat dikatakan bahwa terdapat hubungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres. Setelah itu dilanjutkan analisis korespondensi antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan.

45

a. Reduksi Dimensi Analisis korespondensi dilakukan untuk mereduksi dimensi dengan melihat pola kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres di Jawa Timur. Berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 9d diringkas pada Tabel 4.19 adalah sebagai berikut.

Tabel 4.19 Reduksi Dimensi Kendaraan yang Terlibat Kecelakaan


1 0,011 0,552 0,552 2 0,007 0,380 0,931 3 0,001 0,054 0,985 4 0,000 0,015 1,000

Reduksi dimensi pada Tabel 4.23 menunjukkan bahwa dimensi 1 mempunyai nilai inersia sebesar 0,011 dengan nilai proporsi sebesar 0,552 dan diperoleh nilai inersia sebesar 0,007 pada dimensi 2 dengan proporsi sebesar 0,38. Jadi secara keseluruhan dimensi 1 sampai dimensi 3 mampu menjelaskan keragaman data sebesar 98,5%.

a. Kontribusi dari Profil Baris Tabel 4.20 adalah hasil dari kontribusi baris menuju dimensi inersia atau sebaliknya pada profil baris untuk melihat pola kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres. Berdasarkan persamaan (2.23) untuk mendapatkan nilai kontribusi baris menuju dimensi inersia dan nilai kontribusi dimensi menuju inersia baris didapatkan dari persamaan (2.25) sesuai Lampiran 9e yang diringkas pada Tabel 4.20

46

Tabel 4.20 Output Profil Baris Kendaraan yang Terlibat Kecelakaan

Jenis Rayon Polres




Tabel 4.20 yang menunjukkan bahwa jenis rayon polres yang masuk dalam dimensi 1 adalah Rayon II dengan nilai kontribusi terbesar pertama sebesar 46,8%, pada Rayon IV mempunyai nilai kontribusi terbesar kedua sebesar 36,9%. Nilai kontribusi terbesar ketiga terdapat pada Rayon VII sebesar 4,2% dan kontribusi terbesar keempat pada Rayon I sebesar 2,8%. Jadi total kontribusi baris menuju dimensi inersia pada dimensi 1 sebesar 90,7%. Penyusun kontribusi dimensi menuju inersia baris terbesar pada dimensi 1 sebesar 98,9% terdapat pada Rayon IV yang artinya dimensi 1 dapat menjelaskan 98,9% terhadap kategori Rayon IV.

Pada kategori rayon polres yang masuk dalam dimensi 2 mempunyai nilai kontribusi terbesar pertama sebesar 64,3% terdapat pada Rayon VI, nilai kontribusi terbesar kedua terdapat pada Rayon V sebesar 18%. Selanjutnya nilai kontribusi ketiga pada dimensi 2 adalah Rayon III dengan nilai kontribusi sebesar 15,5%. Jadi nilai total kontribusi yang masuk ke dalam dimensi 2 sebesar 97,8% artinya kategori Rayon III, Rayon V, dan Rayon VI dapat menjelaskan keragaman data pada dimensi 2 sebesar 97,8%. Penyusun kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 2 terdapat pada Rayon VI sebesar 99%. Jadi dapat

47

dikatakan bahwa dimensi 2 mampu menjelaskan 99% terhadap kategori Rayon VI.

b. Kontribusi dari Profil Kolom Analisis korespondensi salah satunya digunakan untuk mengelompokkan kriteria dari variabel menjadi 2 dimensi berdasarkan persamaan (2.24) maka diperoleh nilai kontribusi kolom menuju dimensi inersia dan persamaan (2.26) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai hasil output Lampiran 9f yang diringkas pada Tabel 4.21 adalah sebagai berikut.

Tabel 4.21 Output Profil Kolom Kendaraan yang Terlibat Kecelakaan

Kendaraan Terlibat Kecelakaan



Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Sepeda Motor 0,150 0,039 0,845 0,151 Mobil Penumpang 0,221 0,019 0,794 0,046 Mobil Barang 0,518 0,150 0,819 0,163 Bus 0,002 0,007 0,029 0,067 Kendaraan Khusus 0,110 0,786 0,167 0,821

Tabel 4.21 diketahui bahwa kendaraan yang terlibat kecelakaan yang masuk ke dalam dimensi 1 adalah mobil barang dengan kontribusi terbesar pertama sebesar 51,8% dan nilai kontribusi terbesar selanjutnya adalah mobil penumpang sebesar 22,1%. Nilai kontribusi terbesar ketiga pada dimensi 1 terdapat pada jenis kendaraan yang terlibat kecelakaan adalah sepesa motor sebesar 15%. Jadi total kontribusi yang masuk ke dalam dimensi 1 sebesar 88,9% yang artinya jenis kendaraan sepeda motor, mobil penumpang, dan mobil barang yang terlibat kecelakaan mampu menjelaskan keragaman data pada dimensi 1 sebesar 88,9%. Penyusunan kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 84,5% yaitu kategori kendaraan sepeda motor artinya dimensi

48

1 dapat menjelaskan 84,5% terhadap kategori kendaraan sepeda motor. Nilai kontribusi terbesar pertama pada dimensi 2 adalah kategori kendaraan khusus sebesar 78,6% dan kontribusi terbesar selanjutnya terdapat pada kendaraan bus sebesar 0,7%. Total kontribusi pada dimensi 2 sebesar 79,3%. Penyusun kontribusi dimensi menuju inersia kolom terbesar pada dimensi 2 adalah kategori kendaraan khusus sebesar 82,1%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 82,1% terhadap kategori kendaraan khusus.

c. Plot Korespondensi Pengelompokan kecenderungan antara jenis kendaraan

yang terlibat kecelakaan dengan jenis rayon polres menggunakan gambaran plot korespondensi berdasarkan nilai koordinat profil baris dan koordinat profil kolom di setiap dimensi yang berkaitan adalah sebagai berikut.

Berikut adalah nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 9e yang disajikan pada Tabel 4.22 dan nilai koordinat profil kolom disajikan pada Tabel 4.23 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 9f.

Tabel 4.22 Koordinat Profil Baris Kendaraan yang Terlibat Jenis

Rayon Dimensi 1 Dimensi 2

Rayon 1 -0,124 -0,077 Rayon 2 -0,591 0,008 Rayon 3 -0,113 -0,309 Rayon 4 0,388 0,038 Rayon 5 0,259 -0,365 Rayon 6 0,031 0,646 Rayon 7 -0,360 0,113

Tabel 4.22 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk

49

menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.

Tabel 4.23 Koordinat Profil Kolom Kendaraan yang Terlibat Kendaraan

yang Terlibat Dimensi 1 Dimensi 2

Sepeda Motor 0,140 -0,065 Mobil Penumpang -0,515 -0,136

Mobil Barang -0,720 0,353 Bus -0,124 0,209 Kendaraan Khusus 1,165 2,833

Tabel 4.23 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan jenis kendaraan yang terlibat kecelakaan dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan. Secara visual ditunjukkan pada Gambar 4.5 pola kecenderungan pada Rayon II mempunyai kecenderungan kendaraan yang sering terlibat kecelakaan adalah mobil penumpang. Hal tersebut dikarenakan pada Rayon II merupakan kawasan wisata sehingga sebagian besar menggunakan kendaraan pribadi. Rayon VI dan Rayon VII cenderung kendaraan yang terlibat kecelakaan adalah bus. Sebagian besar kecelakaan pada Rayon VI dikarenakan banyak tikungan tajam. Pada Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang terlibat kecelakaan adalah sepeda motor. Rayon I khususnya pada daerah Polres Gresik sebagian besar jalanan tidak ada marka jalan sehingga sering terjadi kecelakaan. Selain itu, pada daerah Polres Sidoarjo kondisi jalan banyak yang berlubang

50

yang menyebabkan terjadinya kecelakaan menurut data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur.

Gambar 4.5 Plot Korespondensi Kendaraan yang Terlibat Kecelakaan

d. Jarak Euclidean Jarak euclidean digunakan untuk menggambarkan pola

kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres di Jawa Timur secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.24.

51

Tabel 4.24 Jarak Euclidean Kendaraan yang Terlibat Kecelakaan

Sepeda Motor

Mobil Penumpang


Khusus Rayon 1 0,26427 0,39543 0,73493 0,286 3,18271 Rayon 2 0,73464 0,16283 0,36833 0,50842 3,32628 Rayon 3 0,35149 0,43764 0,89816 0,51812 3,39197 Rayon 4 0,26854 0,91961 1,15191 0,5398 2,90099 Rayon 5 0,32274 0,80717 1,21407 0,69005 3,32386 Rayon 6 0,71931 0,95375 0,80613 0,46367 2,46352 Rayon 7 0,53074 0,2933 0,43267 0,25478 3,11834

Tabel 4.24 mengenai perhitungan jarak euclidean menunjukkan bahwa Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang sering terlibat kecelakaan adalah sepeda motor. Pada Rayon II kendaraan yang cenderung terlibat kecelakaan adalah mobil penumpang. Pada Rayon VI dan Rayon VII mempunyai kecenderungan kendaraan bus sering terlibat kecelakaan.

53

BAB V PENUTUP

5.1 Kesimpulan Kesimpulan yang diperoleh dari penelitian yang

dilakukan berdasarkan hasil analisis dan pembahasan adalah sebagai berikut. 1. Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI

cenderung korban mengalami luka ringan. Rayon VII korban kecelakaannya cenderung meninggal dunia dan Rayon III korban mengalami luka berat.

2. Pada Rayon II dan Rayon VII cenderung korban kecelakaan berusia 16-30 tahun. Rayon IV cenderung korban kecelakaannya berusia 0-9 tahun. Rayon I dan Rayon V korban cenderung berusia 31-40 tahun. Pada Rayon III cenderung korbannya berusia 41-51 tahun dan Rayon VI korban cenderung berusia lebih dari 51 tahun.

3. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI cenderung korbannya berpendidikan SLTA. Rayon VII cenderung korban kecelakaannya berpendidikan SD dan korban kecelakaan Rayon IV cenderung berpendidikan SLTP. Pada Rayon II korban cenderung masuk dalam kategori pendidikan adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal.

4. Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang sering terlibat kecelakaan adalah sepeda motor. Pada Rayon II kendaraan yang cenderung terlibat kecelakaan adalah mobil penumpang. Pada Rayon VI dan Rayon VII mempunyai kecenderungan kendaraan bus sering terlibat kecelakaan.

54

5.2 Saran Saran yang dapat diberikan dari hasil penelitian yang

telah dilakukan adalah sebagai berikut. 1. Rayon VII yaitu pada Polres Sumenep, Pamekasan,

Sampang, dan Bangkalan cenderung korban kecelakaan meninggal dunia, berusia 16-30 tahun sehingga diperlukan sosialisasi kepada masyarakat mengenai rambu, marka, dan peraturan lalu lintas untuk mengurangi kecelakaan lalu lintas.

2. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI kendaraan yang sering terlibat kecelakaan adalah sepeda motor sehingga diperlukan sosialisasi mengenai safety riding pada masyarakat di setiap rayon polres tersebut.

3. Rayon III cenderung korban mengalami luka berat dan pendidikan korbannya SLTA sehingga diperlukan sosialisasi mengenai keamanan berkendara pada daerah sekitar rayon tersebut.

4. Kendaraan yang cenderung terlibat kecelakaan pada Rayon VI dan Rayon VII adalah bus. Sebagian besar kecelakaan pada Rayon VI dikarenakan banyak tikungan tajam sehingga diperlukan perluasan jalan untuk mengurangi tingginya kecelakaan.

5. Kendaraan yang sering terlibat kecelakaan pada Rayon II adalah mobil penumpang berupa mobil pribadi, taksi, bemo, dst. Hal tersebut disebabkan karena pada rayon tersebut merupakan kawasan wisata sehingga diperlukan pengalokasian kendaraan tiap jalur masuk ke tempat wisata.

55

DAFTAR PUSTAKA

Agresti, A. (2002). Categorical Data Analysis Second Edition. Canada: John Wiley& Sons, Inc.

Damayanti, C. (2014). Pengelompokan Polres Di Provinsi Jawa Timur Berdasarkan Penyebab Kecelakaan Lalu Lintas Pada Tahun 2013. Surabaya: Institut Teknologi Sepuluh Nopember (ITS).

Dermawan, D. A. (2012). Seemmingly Unrelated Regression (SUR) Spasial untuk Memodelkan Jumlah Kecelakaan Lalu Lintas Di Kabupaten Tuban. Tesis Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya , 29-53.

Greenacre, M. (2007). Correspondence Analysis in Practice Second Edition . Boca Raton: Chapman & Hall/CRC.

Greenacre, M. (1984). Theory and Applications of Correspondence Analysis. London: Academic.

Jatiputro, A. H. (2014). Pemahaman Pelajar SMA Pengguna Sepeda Motor Terhadap Rambu, Marka, Peraturan Lalu Lintas dan Safety Riding (Studi Kasus Di SMA Batik 2 Surakarta). Tugas Akhir Thesis, Universitas Muhammadiyah Surakarta , 3.

Johnson, R. A., & Wichern, D. W. (2007). Applied Multivariate Statistical Analysis (6th ed.). New Jersey: Prentice-Hall.

Saragih, S. R. (2014). Analisis Keparahan Korban Kecelakaan Lalu Lintas Di Surabaya Tahun 2012, Analisa Statistik Log Linear Dan Logistik. Surabaya: Institut Teknologi Sepuluh Nopember (ITS).

Sharma, S. (1996). Applied Multivariate Techniques. Canada: John Wiley & Sons, Inc.

Susilo, A. (2010). Analisis Kecelakaan Lalu Lintas Di Ruas Jalan Sukowati Kabupaten Sragen. Laporan Tugas Akhir Program Studi Teknik Sipil Universitas Atma Jaya Yogyakarta , 12.

57

LAMPIRAN

Lampiran 1. Data Keparahan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015

No Kesatuan Korban MD LB LR

1 Rayon I 948 140 4435 2 Rayon II 903 208 3707 3 Rayon III 916 762 3130 4 Rayon IV 1161 97 7276 5 Rayon V 496 96 3562 6 Rayon VI 496 75 3468 7 Rayon VII 368 110 703

58

Lampiran 2. Data Usia Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015

No Kesatuan Korban 0-9 10-15 16-30 31-40 41-50 > 51

1 Rayon I 218 452 1989 947 965 952 2 Rayon II 179 265 2133 837 692 712 3 Rayon III 217 340 1914 691 1033 613 4 Rayon IV 547 1000 2447 1554 1613 1373 5 Rayon V 150 387 1384 773 808 652 6 Rayon VI 153 321 1586 659 577 743 7 Rayon VII 47 95 537 176 161 165

59

Lampiran 3. Data Pendidikan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015

No Kesatuan Pendidikan Korban SD SLTP SLTA Perguruan Tinggi Lain-Lain

1 Rayon I 309 704 4264 158 88 2 Rayon II 631 823 3000 150 214 3 Rayon III 562 674 3194 154 224 4 Rayon IV 903 2021 4957 467 186 5 Rayon V 314 539 3095 159 47 6 Rayon VI 259 552 2976 160 92 7 Rayon VII 432 128 500 83 38

60

Lampiran 4. Data Kendaraan yang Terlibat Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015

No Kesatuan Kendaraan Yang Terlibat Laka Lantas

Sepeda Motor

Mobil Penumpang


Khusus 1 Rayon I 5286 627 748 74 37 2 Rayon II 3644 544 751 88 11 3 Rayon III 4022 475 517 45 0 4 Rayon IV 7660 646 693 111 123 5 Rayon V 3532 319 301 70 7 6 Rayon VI 3663 354 610 74 114 7 Rayon VII 886 161 141 9 14

61

Lampiran 5. Ouput Uji Independensi a. Ouput Uji Independensi Keparahan Korban dengan Jenis

Rayon

Chi-Square Tests

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 2.405E3a 12 .000

Likelihood Ratio 1.952E3 12 .000

Linear-by-Linear Association 36.829 1 .000

N of Valid Cases 33057 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 53.16.

b. Ouput Uji Independensi Usia Korban dengan Jenis

Rayon

Chi-Square Tests



Likelihood Ratio 762.557 30 .000



62

c. Ouput Uji Independensi Pendidikan Korban dengan Jenis Rayon

Chi-Square Tests



Likelihood Ratio 1.829E3 24 .000



d. Ouput Uji Independensi Kendaraan yang Terlibat

Kecelakaan dengan Jenis Rayon

Chi-Square Tests



Likelihood Ratio 718.437 24 .000

Linear-by-Linear Association .011 1 .916


63

Lampiran 6. Ouput Pola Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon

a. Tabel Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon

Correspondence Table

Jenis_Rayon

Keparahan_Korban

MD LB LR Active Margin

Rayon 1 948 140 4435 5523

Rayon 2 903 208 3707 4818

Rayon 3 916 762 3130 4808

Rayon 4 1161 97 7276 8534

Rayon 5 496 96 3562 4154

Rayon 6 496 75 3468 4039

Rayon 7 368 110 703 1181

Active Margin 5288 1488 26281 33057

b. Profil Baris Keparahan Korban Kecelakaan dengan Jenis

Rayon Row Profiles

Jenis_Rayon

Keparahan_Korban

MD LB LR Active Margin

Rayon 1 .172 .025 .803 1.000

Rayon 2 .187 .043 .769 1.000

Rayon 3 .191 .158 .651 1.000

Rayon 4 .136 .011 .853 1.000

Rayon 5 .119 .023 .857 1.000

Rayon 6 .123 .019 .859 1.000

Rayon 7 .312 .093 .595 1.000

Mass .160 .045 .795

64

c. Profil Kolom Keparahan Korban Kecelakaan dengan Jenis Rayon

Column Profiles

Jenis_Rayon

Keparahan_Korban

MD LB LR Mass

Rayon 1 .179 .094 .169 .167

Rayon 2 .171 .140 .141 .146

Rayon 3 .173 .512 .119 .145

Rayon 4 .220 .065 .277 .258

Rayon 5 .094 .065 .136 .126

Rayon 6 .094 .050 .132 .122

Rayon 7 .070 .074 .027 .036

Active Margin 1.000 1.000 1.000 d. Reduksi Dimensi Antara Keparahan Korban Kecelakaan

dengan Jenis Rayon

Summary

Dimension Singular Value Inertia

Chi Square Sig.

Proportion of Inertia Confidence Singular

Value

Accounted for Cumulative

Standard Deviation

Correlation

2

1 .256 .066 .904 .904 .007 .124

2 .083 .007 .096 1.000 .007 Total .073 2404.577 .000a 1.000 1.000

a. 12 degrees of freedom

65

e. Gambaran Titik Baris Keparahan Korban Kecelakaan dengan Jenis Rayon

Overview Row Pointsa

Jenis_Rayon Mass

Score in Dimension

Inertia

Contribution

1 2

Of Point to Inertia of Dimension

Of Dimension to Inertia of Point

1 2 1 2 Total

Rayon 1 .167 .156 .199 .002 .016 .079 .653 .347 1.000

Rayon 2 .146 -.040 .250 .001 .001 .109 .073 .927 1.000

Rayon 3 .145 -1.101 -.289 .046 .688 .146 .978 .022 1.000

Rayon 4 .258 .357 -.045 .008 .128 .006 .995 .005 1.000

Rayon 5 .126 .284 -.248 .003 .040 .093 .801 .199 1.000

Rayon 6 .122 .319 -.196 .004 .048 .056 .890 .110 1.000

Rayon 7 .036 -.754 1.093 .009 .079 .511 .594 .406 1.000

Active Total 1.000 .073 1.000 1.000 a. Symmetrical normalization

f. Gambaran Titik Kolom Keparahan Korban Kecelakaan

dengan Jenis Rayon

Overview Column Pointsa

Keparahan_ Korban Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

MD .160 -.340 .633 .010 .072 .768 .469 .531 1.000

LB .045 -2.156 -.508 .055 .816 .139 .982 .018 1.000

66

LR .795 .190 -.099 .008 .112 .093 .920 .080 1.000


g. Plot Korespondensi Keparahan Korban Kecelakaan

dengan Jenis Rayon

67

Lampiran 7. Ouput Pola Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon

a. Tabel Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon


Jenis_Rayon

Usia_Korban

0-9 10-15 16-30 31-40 41-50 >51 Active Margin

Rayon 1 218 452 1989 947 965 952 5523

Rayon 2 179 265 2133 837 692 712 4818

Rayon 3 217 340 1914 691 1033 613 4808

Rayon 4 547 1000 2447 1554 1613 1373 8534

Rayon 5 150 387 1384 773 808 652 4154

Rayon 6 153 321 1586 659 577 743 4039

Rayon 7 47 95 537 176 161 165 1181

Active Margin 1511 2860 11990 5637 5849 5210 33057

b. Profil Baris Usia Korban Kecelakaan dengan Jenis

Rayon Row Profiles

Jenis_Rayon

Usia_Korban

0-9 10-15 16-30 31-40 41-50 >51 Active Margin

Rayon 1 .039 .082 .360 .171 .175 .172 1.000

Rayon 2 .037 .055 .443 .174 .144 .148 1.000

Rayon 3 .045 .071 .398 .144 .215 .127 1.000

Rayon 4 .064 .117 .287 .182 .189 .161 1.000

Rayon 5 .036 .093 .333 .186 .195 .157 1.000

Rayon 6 .038 .079 .393 .163 .143 .184 1.000

Rayon 7 .040 .080 .455 .149 .136 .140 1.000

Mass .046 .087 .363 .171 .177 .158

68

c. Profil Kolom Usia Korban Kecelakaan dengan Jenis Rayon

Column Profiles

Jenis_Rayon

Usia_Korban

0-9 10-15 16-30 31-40 41-50 >51 Mass

Rayon 1 .144 .158 .166 .168 .165 .183 .167

Rayon 2 .118 .093 .178 .148 .118 .137 .146

Rayon 3 .144 .119 .160 .123 .177 .118 .145

Rayon 4 .362 .350 .204 .276 .276 .264 .258

Rayon 5 .099 .135 .115 .137 .138 .125 .126

Rayon 6 .101 .112 .132 .117 .099 .143 .122

Rayon 7 .031 .033 .045 .031 .028 .032 .036

Active Margin 1.000 1.000 1.000 1.000 1.000 1.000 d. Reduksi Dimensi Antara Usia Korban Kecelakaan

dengan Jenis Rayon Summary


Chi Square Sig.


Value


Standard Deviation

Correlation

2

1 .129 .017 .725 .725 .005 -.018

2 .064 .004 .179 .904 .005 3 .037 .001 .059 .964 4 .024 .001 .026 .989 5 .016 .000 .011 1.000 Total .023 761.515 .000a 1.000 1.000 a. 30 degrees of freedom

69

e. Gambaran Titik Baris Usia Korban Kecelakaan dengan Jenis Rayon


Jenis_Rayon Mass

Score in Dimension

Inertia

Contribution

1 2

Of Point to Inertia of

Dimension Of Dimension to Inertia of Point

1 2 1 2 Total

Rayon 1 .167 -.037 .104 .000 .002 .028 .070 .276 .346

Rayon 2 .146 -.519 .096 .005 .304 .021 .925 .016 .941

Rayon 3 .145 -.177 -.558 .004 .035 .705 .166 .818 .984

Rayon 4 .258 .519 .036 .009 .538 .005 .971 .002 .973

Rayon 5 .126 .134 -.040 .001 .018 .003 .288 .013 .300

Rayon 6 .122 -.219 .351 .002 .045 .235 .396 .506 .902

Rayon 7 .036 -.459 .073 .001 .058 .003 .707 .009 .716


f. Gambaran Titik Kolom Usia Korban Kecelakaan dengan

Jenis Rayon Overview Column Pointsa

Usia_Korban Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

0-9 .046 .560 -.107 .003 .111 .008 .679 .012 .691

10-15 .087 .655 .125 .005 .287 .021 .944 .017 .960

16-30 .363 -.425 -.036 .009 .507 .007 .983 .003 .987

31-40 .171 .127 .173 .001 .021 .079 .313 .287 .600

70

41-50 .177 .221 -.451 .004 .067 .560 .304 .630 .934

>51 .158 .071 .364 .002 .006 .324 .057 .750 .807


g. Plot Korespondensi Usia Korban Kecelakaan dengan

Jenis Rayon

71

Lampiran 8. Ouput Pola Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon

a. Tabel Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon


Jenis_Rayon

Pendidikan_Korban

SD SLTP SLTA Perguruan

Tinggi Lain-lain

Active Margin

Rayon 1 309 704 4264 158 88 5523

Rayon 2 631 823 3000 150 214 4818

Rayon 3 562 674 3194 154 224 4808

Rayon 4 903 2021 4957 467 186 8534

Rayon 5 314 539 3095 159 47 4154

Rayon 6 259 552 2976 160 92 4039

Rayon 7 432 128 500 83 38 1181

Active Margin

3410 5441 21986 1331 889 33057

b. Profil Baris Pendidikan Korban Kecelakaan dengan Jenis

Rayon Row Profiles

Jenis_Rayon

Pendidikan_Korban

SD SLTP SLTA Perguruan Tinggi Lain-lain Active Margin

Rayon 1 .056 .127 .772 .029 .016 1.000

Rayon 2 .131 .171 .623 .031 .044 1.000

Rayon 3 .117 .140 .664 .032 .047 1.000

Rayon 4 .106 .237 .581 .055 .022 1.000

Rayon 5 .076 .130 .745 .038 .011 1.000

Rayon 6 .064 .137 .737 .040 .023 1.000

Rayon 7 .366 .108 .423 .070 .032 1.000

Mass .103 .165 .665 .040 .027

72

c. Profil Kolom Pendidikan Korban Kecelakaan dengan Jenis Rayon

Column Profiles

Jenis_Rayon

Pendidikan_Korban

SD SLTP SLTA Perguruan Tinggi Lain-lain Mass

Rayon 1 .091 .129 .194 .119 .099 .167

Rayon 2 .185 .151 .136 .113 .241 .146

Rayon 3 .165 .124 .145 .116 .252 .145

Rayon 4 .265 .371 .225 .351 .209 .258

Rayon 5 .092 .099 .141 .119 .053 .126

Rayon 6 .076 .101 .135 .120 .103 .122

Rayon 7 .127 .024 .023 .062 .043 .036

Active Margin 1.000 1.000 1.000 1.000 1.000 d. Reduksi Dimensi Antara Pendidikan Korban Kecelakaan

dengan Jenis Rayon Summary


Chi Square Sig.


Value


Standard Deviation

Correlation

2

1 .207 .043 .662 .662 .007 .169

2 .126 .016 .247 .909 .006 3 .074 .006 .086 .995 4 .017 .000 .005 1.000 Total .065 2132.928 .000a 1.000 1.000

a. 24 degrees of freedom

73

e. Gambaran Titik Baris Pendidikan Korban Kecelakaan dengan Jenis Rayon


Jenis_Rayon Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

Rayon 1 .167 -.483 -.201 .009 .189 .053 .877 .092 .970

Rayon 2 .146 .241 -.075 .003 .041 .007 .501 .030 .531

Rayon 3 .145 .090 -.259 .003 .006 .077 .077 .392 .470

Rayon 4 .258 .196 .564 .013 .048 .651 .163 .828 .991

Rayon 5 .126 -.327 -.174 .004 .065 .030 .660 .115 .774

Rayon 6 .122 -.347 -.114 .003 .071 .013 .893 .059 .952

Rayon 7 .036 1.833 -.775 .029 .581 .170 .868 .095 .963


f. Gambaran Titik Kolom Pendidikan Korban Kecelakaan

dengan Jenis Rayon


Pendidikan_Korban Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

SD .103 1.177 -.382 .032 .691 .119 .934 .060 .994

SLTP .165 .161 .737 .012 .021 .707 .072 .916 .987

SLTA .665 -.266 -.136 .011 .228 .097 .859 .137 .996

Perguruan Tinggi .040 .399 .419 .003 .031 .056 .406 .273 .679

74

Lain-lain .027 .479 -.311 .006 .030 .021 .212 .055 .267


g. Plot Korespondensi Pendidikan Korban Kecelakaan

dengan Jenis Rayon

75

Lampiran 9. Ouput Pola Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon

a. Tabel Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon


Jenis_Rayon

Kendaraan_Terlibat

Sepeda Motor

Mobil Penumpang

Mobil Barang Bus

Kendaraan Khusus

Active Margin

Rayon 1 5286 627 748 74 37 6772

Rayon 2 3644 544 751 88 11 5038

Rayon 3 4022 475 517 45 0 5059

Rayon 4 7660 646 693 111 123 9233

Rayon 5 3532 319 301 70 7 4229

Rayon 6 3663 354 610 74 114 4815

Rayon 7 886 161 141 9 14 1211

Active Margin

28693 3126 3761 471 306 36357

b. Profil Baris Kendaraan yang Terlibat Kecelakaan dengan

Jenis Rayon Row Profiles

Jenis_Rayon

Kendaraan_Terlibat

Sepeda Motor

Mobil Penumpang

Mobil Barang Bus

Kendaraan Khusus

Active Margin

Rayon 1 .781 .093 .110 .011 .005 1.000

Rayon 2 .723 .108 .149 .017 .002 1.000

Rayon 3 .795 .094 .102 .009 .000 1.000

Rayon 4 .830 .070 .075 .012 .013 1.000

Rayon 5 .835 .075 .071 .017 .002 1.000

Rayon 6 .761 .074 .127 .015 .024 1.000

Rayon 7 .732 .133 .116 .007 .012 1.000

Mass .789 .086 .103 .013 .008

76

c. Profil Kolom Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon

Column Profiles

Jenis_Rayon

Kendaraan_Terlibat

Sepeda Motor

Mobil Penumpang

Mobil Barang Bus

Kendaraan Khusus Mass

Rayon 1 .184 .201 .199 .157 .121 .186

Rayon 2 .127 .174 .200 .187 .036 .139

Rayon 3 .140 .152 .137 .096 .000 .139

Rayon 4 .267 .207 .184 .236 .402 .254

Rayon 5 .123 .102 .080 .149 .023 .116

Rayon 6 .128 .113 .162 .157 .373 .132

Rayon 7 .031 .052 .037 .019 .046 .033

Active Margin

1.000 1.000 1.000 1.000 1.000

d. Reduksi Dimensi Antara Kendaraan yang Terlibat

Kecelakaan dengan Jenis Rayon Summary


Chi Square Sig.


Value


Standard Deviation

Correlation

2

1 .104 .011 .552 .552 .005 -.041

2 .086 .007 .380 .931 .006 3 .032 .001 .054 .985 4 .017 .000 .015 1.000 Total .019 706.809 .000a 1.000 1.000 a. 24 degrees of freedom

77

e. Gambaran Titik Baris Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon


Jenis_Rayon Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

Rayon 1 .186 -.124 -.077 .000 .028 .013 .656 .212 .868

Rayon 2 .139 -.591 .008 .005 .468 .000 .967 .000 .967

Rayon 3 .139 -.113 -.309 .001 .017 .155 .125 .786 .911

Rayon 4 .254 .388 .038 .004 .369 .004 .989 .008 .996

Rayon 5 .116 .259 -.365 .002 .075 .180 .338 .558 .897

Rayon 6 .132 .031 .646 .005 .001 .643 .003 .990 .993

Rayon 7 .033 -.360 .113 .001 .042 .005 .383 .031 .414


78

f. Gambaran Titik Kolom Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon


Kendaraan_ Terlibat Mass

Score in Dimension

Inertia

Contribution

1 2



1 2 1 2 Total

Sepeda Motor

.789 .140 -.065 .002 .150 .039 .845 .151 .996

Mobil Penumpang

.086 -.515 -.136 .003 .221 .019 .794 .046 .840

Mobil Barang .103 -.720 .353 .007 .518 .150 .819 .163 .983

Bus .013 -.124 .209 .001 .002 .007 .029 .067 .096

Kendaraan Khusus

.008 1.165 2.833 .007 .110 .786 .167 .821 .989


79

g. Plot Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon

81

BIODATA PENULIS

Penulis bernama lengkap Cicilia Ajeng Pratiwi dilahirkan di Sidoarjo, 29 Juli 1995, merupakan anak pertama dari dua bersaudara. Penulis telah menempuh pendidikan formal yaitu TK Darma Wanita, SDN Jatikalang 1 Krian, SMP Negeri 3 Krian, dan SMA Negeri 1 Sidoarjo. Setelah lulus dari SMAN 1 Sidoarjo tahun 2013, Penulis mengikuti tes seleksi masuk ITS dan diterima di Jurusan Statistika FMIPA-ITS program studi Diploma III pada tahun 2013 terdaftar dengan NRP

1313030034. Penulis pernah mengikuti kegiatan Basket di ITS, sempat aktif di FORSIS ITS periode 2014/2015 sebagai staff Departemen Media, dan pernah mengikuti kegiatan mengajar mengaji ITS untuk ibu-ibu. Penulis juga pernah mengikuti kepanitiaan PEKSIMITS (Pekan Seni Mahasiswa ITS), panitia acara PKM-GT, Panitia Seminar Enterpreuner, dst. Penulis mengembangkan minatnya dalam mengajar dengan menjadi asisten dosen mata kuliah Metode Regresi pada semester 5 dan Metode Multivariat Terapan pada semester 6 serta pernah menjadi tutor mata kuliah Teori Statistika untuk mahasiswa angkatan 2014 dalam persiapan menghadapi EAS. Selain itu, kegiatan yang dilakukan penulis selain perkuliahan adalah menjadi guru les private SMP maupun SMA dari mulai semester 2 sampai semester 6. Apabila ada kritik dan saran tentang Tugas Akhir ini dapat menghubungi penulis melalui email dan kontak berikut ini. E-mail : [email protected] No. Teepon : 08885310088

PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON …

Documents

Transcript of PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON …